[发明专利]一种模糊极大熵聚类的茶叶近红外光谱分类方法

说明书

本发明公开了一种模糊极大熵聚类的茶叶近红外光谱分类方法，包括以下步骤：S1，茶叶样本近红外光谱采集：用傅里叶近红外光谱仪对茶叶样本进行检测，获取茶叶样本近红外漫反射光谱数据。S2，用多元散射矫正(MSC)对茶叶近红外光谱进行预处理。S3，对茶叶样本近红外光谱进行降维处理和鉴别信息提取：利用主成分分析(PCA)将在S2中获得的茶叶近红外光谱数据压缩；然后利用线性判别分析(LDA)提取茶叶样本的鉴别信息。S4，对S3中包含鉴别信息的测试样本用模糊极大熵聚类方法进行茶叶品种分类。本发明解决了用传统模糊极大熵聚类对噪声敏感问题。本发明具有检测速度快、无损检测、能处理含噪声的光谱数据，茶叶品种分类准确率高等优点。

技术领域

本发明属于人工智能技术领域，尤其是一种模糊极大熵聚类的茶叶近红外光谱分类方法。

背景技术

茶叶中含有茶多酚类、维生素等对人体有益的物质。茶是人们喜爱的饮品，但是，茶叶品种繁多，普通民众无法辨别茶叶品种和品质优劣。因此，茶叶品种的鉴别是一个非常重要的研究方向，而设计一种简单快速的茶叶品种鉴别方法是非常有必要的。

近红外光谱技术是利用物质对光的吸收、散射、反射和透射等特性来确定其成分含量的一种非破坏性检测技术。近红外光谱射向茶叶后得到漫反射近红外光谱，反射光谱中包含了有机分子里C-H、N-H和O-H原子间振动的倍频和合频信息。对于不同品种的茶叶其反射的近红外光谱是不同的，利用这个原理，可以将不同品种的茶叶区分开来，即实现茶叶品种的分类。

传统的模糊极大熵聚类方法(R.-P.Li,M.Mukaidono,“Gaussian clusteringmethod based on maximum-fuzzy-entropy interpretation,”Fuzzy Sets and Systems,102(2),pp.253-258,1999.)是基于香农统计熵理论的聚类算法。但是，模糊极大熵聚类方法和模糊C均值聚类一样存在着约束条件，因而模糊极大熵聚类具有噪声敏感性的缺点。

茶叶近红外光谱数据采集过程中会混入噪声数据，用传统的模糊极大熵聚类方法来聚类分析茶叶近红外光谱数据则效果不理想，其聚类准确率有待进一步提高。

发明内容

本发明是针对传统的模糊极大熵聚类方法在聚类茶叶近红外光谱数据时存在的缺点，提出一种模糊极大熵聚类的茶叶近红外光谱分类方法，相比传统的模糊极大熵聚类方法，本发明的一种模糊极大熵聚类的茶叶近红外光谱分类方法在传统的模糊极大熵聚类方法基础上引入可能C均值聚类思想。本发明具有检测速度快，检测准确率高，不消耗化学试剂，不污染环境等优点。

一种模糊极大熵聚类的茶叶近红外光谱分类方法，具体包括以下步骤：

S1，茶叶样本近红外光谱采集：用傅里叶近红外光谱仪对茶叶样本进行检测，获取茶叶样本近红外漫反射光谱数据，将光谱数据存储在计算机里。

S2，用多元散射矫正(MSC)对茶叶近红外光谱进行预处理。

S3，对茶叶样本近红外光谱进行降维处理和鉴别信息提取：利用主成分分析(PCA)将在S2中获得的茶叶近红外光谱数据压缩；然后利用线性判别分析(LDA)提取茶叶样本的鉴别信息。

S4，对S3中包含鉴别信息的测试样本用模糊极大熵聚类方法进行茶叶品种分类；

S4.1，初始化：设置权重指数m，类别数c，其中m1；设置参数λ(λ0)和β(β0)；设置循环计数r的初始值和最大迭代次数r_max；设置迭代最大误差参数ε；以S3中包含鉴别信息的训练样本的均值作为初始类中心值ν_i⁽⁰⁾，计算茶叶近红外光谱测试样本的协方差σ²

这里x_k为第k(k＝1,2,3,…,n)个样本，n为测试样本数。为样本的均值，