[发明专利]基于DS证据理论的小麦品质THz光谱分类方法

摘要

本发明公开了一种基于DS证据理论的小麦品质THz光谱分类方法，包括建立针对不同品质小麦吸收光谱的小麦分类概率输出；建立针对不同品质小麦折射率光谱的小麦分类概率输出；建立DS证据融合规则。本发明采用多元信息融合技术，将不同品质小麦样品的吸收光谱和折射率光谱信息进行融合，建立基于多源信息融合技术的小麦品质无损检测模型，采用DS证据理论对子分类器的输出结果进行融合，并对其进行验证，用于品质鉴别分析，进而为THz技术应用到储粮品质检测中奠定基础。本发明提高了对不同品质小麦样品的识别率。

主权项

一种基于DS证据理论的小麦品质THz光谱分类方法，其特征在于，所述方法包括：步骤一、建立针对不同品质小麦吸收光谱的小麦分类概率输出：建立不同品质的小麦样品的吸收光谱SVM分类器，从而计算不同品质小麦样品的训练集和测试集的概率输出；步骤二、建立针对不同品质小麦折射率光谱的小麦分类概率输出：建立不同品质的小麦样品的折射率光谱SVM分类器，从而计算不同品质小麦样品训练集和测试集的概率输出；步骤三、建立DS证据融合规则：假设DS融合模型的识别框架为Θ＝{α1,α2,α3,α4,U}，其中α1,α2,α3,α4分别表示不同品质的小麦样品，U表示不确定的小麦，U可以为4种小麦样品中任何一种；设Bel吸收和Bel折射分别表示同一Θ下的小麦样品的吸收光谱SVM分类器对样本集的信任函数以及折射率光谱SVM分类器对样本集的信任函数；m吸收和m折射分别为吸收光谱SVM分类器对小麦样品训练集的基本概率赋值函数以及折射率光谱SVM分类器对小麦样品训练集的基本概率赋值函数；M吸收和M折射分别为吸收光谱SVM分类器对小麦样品测试集的基本概率指派函数和折射率光谱SVM分类器对小麦样品测试集的基本概率指派函数；Mc为吸收光谱SVM分类器和折射率光谱SVM分类器经过DS证据理论融合后的融合概率函数；融合规则如下： M吸收(A)＝m吸收(A)Bel吸收(A)； M折射(A)＝m折射(A)Bel折射(A)；其中，A∈Θ；决策规则为：设并且满足：Mc(A1)＝max{Mc(Ai),Ai∈Θ},Mc(A2)＝max{Mc(Ai),Ai∈Θ∩Ai≠A1}；若满足条件其中ε1和ε2分别表示判定阈值，则可将A1判定为最终的决策结果。