[发明专利]一种提高食用油掺杂光谱检测识别率的方法

摘要

本发明涉及一种提高食用油掺杂光谱检测识别率的方法，属于模式识别技术领域。本发明为各类样本建立各自的特征空间，用各个特征空间的特征向量重建原测试样本，并计算重建误差，将重建误差最小的样本作为原测试样本的所属类别。本发明利用特征空间是基于某类样本图像的共性建立，因此重建该类样本图像时将得到较小的重建误差，而在重建其他类样本图像时的误差会较大。可以根据重建误差的大小来识别样本图像，将待识别样本分类到具有较小重建误差的特征空间，从而提高油类光谱检测的识别率。

主权项

1.一种提高食用油掺杂光谱检测识别率的方法，其特征在于：为各类样本建立各自的特征空间，用各个特征空间的特征向量重建原测试样本，并计算重建误差，将重建误差最小的样本作为原测试样本的所属类别；所述方法的具体步骤如下：Step1、向量矩阵化：从第一类样本中随机选择M₁个样本向量作为训练样本，将每个向量转化为一个列向量，将他们排列成N×M₁的矩阵B；其中其中，N表示一个样本向量的数据个数；Step2、求平均向量：M₁个样本向量的平均向量为：Step3、构建协方差矩阵：每个样本向量x_j与平均向量的差值向量y_j为：其中，j＝1,2,...M₁；则训练样本的协方差矩阵C为：C＝AA^T；其中，A为差值向量矩阵，Step4、求协方差矩阵C的特征值和特征向量：根据奇异值分解原理，得到M₁×M₁矩阵L＝A^TA的特征值与特征向量，将得到的特征向量线性变化后可得协方差矩阵C的特征向量；其中，协方差矩阵C的特征值与矩阵L的特征值相等；Step5、构建特征空间：选择最大的p个协方差矩阵C的特征值对应的特征向量，正交归一化，以此为基构建第一类样本的特征空间；Step6、构建其他类样本的特征空间：重复Step1～Step5，构建其他类样本的特征空间；Step7、从所有类样本中随机抽取M₂个样本向量作为原测试样本，一个样本向量的数据个数为N；Step8、目标识别：利用步骤Step5和Step6中得到的各类样本的特征空间分别重建原测试样本，并求取原测试样本在各类样本特征空间上的重建误差；其中，重建误差为重建的测试 样本与原测试样本的方差；Step9、比较每一类样本的重建误差，将重建误差最小的样本作为原测试样本的所属类别。