[发明专利]一种模糊聚类的茶叶近红外光谱分类方法

权利要求书

1.一种模糊聚类的茶叶近红外光谱分类方法，其特征在于，包括以下步骤：

S1，采集茶叶样本的近红外漫反射光谱：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，采用多元散射校正(MSC)方法对S1中的近红外漫反射光谱数据进行预处理；

S3，对S2中的近红外漫反射光谱进行降维处理：通过主成分分析(PCA)对采集来的样本近红外漫反射光谱数据进行压缩；

S4，下面根据训练样本集计算模糊鉴别向量；

S4.1，计算第j(1≤j≤N₁)个训练样本z_j隶属于第i(1≤i≤c)类的模糊隶属度μ_ij:

S4.2，计算模糊类间散射矩阵S_FB和模糊总体散射矩阵S_FT：

S4.3，对S4.2的矩阵S_FT进行特征分解，计算出其特征值对角矩阵Λ和特征向量矩阵P，令Q＝(PΛ^-0.5)^TS_FB，对Q进行特征分解得到c-1个特征向量组成的矩阵M，令G＝(PΛ^-0.5)M，并对G中的向量进行单位化得到

S4.4，根据S4.3的鉴别向量矩阵把第k(1≤k≤n)个测试样本z_k投影到上，可得到新的测试样本：

S5，鉴别茶叶样本的种类：运用一种Gath-Geva模糊聚类方法对S4.4中已处理过的新的测试样本数据x_k(1≤k≤n)进行聚类分析，从而鉴别茶叶样本的种类；

S5.1，初始化：设置阈值ε＞0，模糊加权参数m∈(1，+∞),系数a＞0，b＞0,类别数为c；确定最大迭代次数r_max,并且初始迭代计数器r₀＝1；运行模糊C均值聚类得到的模糊隶属度值和聚类中心值分别作为初始模糊隶属度值和初始聚类中心

S5.2，计算参数γ_i

S5.3进行以下迭代计算直至收敛：

S5.3.1计算距离测度：

S5.3.2计算模糊隶属度：

S5.3.3计算典型值：

S5.3.4计算聚类中心值：

2.根据权利要求1所述的一种模糊聚类的茶叶近红外光谱分类方法，其特征在于，所述S4.1中，z_k为第k个训练样本，为第i类训练样本的均值。

3.根据权利要求1所述的一种模糊聚类的茶叶近红外光谱分类方法，其特征在于，S4.2中，为所有训练样本的均值，z_j为第j个训练样本。

4.根据权利要求1所述的一种模糊聚类的茶叶近红外光谱分类方法，其特征在于，所述S5.2在迭代过程中，参数作为常数存在；n和c分别代表测试样本数据的数量和类别数。

5.根据权利要求1所述的一种模糊聚类的茶叶近红外光谱分类方法，其特征在于，S5.3.1中，

6.根据权利要求1所述的一种模糊聚类的茶叶近红外光谱分类方法，其特征在于，S5.3.4 v_i是第i类的聚类中心值；模糊隶属度值u_ik表示第k个样本x_k属于类别i的模糊隶属度值；典型值t_ik表示第k个样本x_k属于类别i的典型值。

7.根据权利要求1所述的一种模糊聚类的茶叶近红外光谱分类方法，其特征在于，在对S3中压缩后的光谱数据进行模糊鉴别信息提取：先将数据分为训练样本集和测试样本集：设置茶叶训练样本数为，测试样本数为，权重指数，类别数，其中m1。