[发明专利]一种核模糊正交鉴别分析的茶叶近红外光谱分类方法

权利要求书

1.一种核模糊正交鉴别分析的茶叶近红外光谱分类方法，其特征在于，包括如下步骤：

S1、获取茶叶样本的近红外漫反射光谱数据；

S2、预处理茶叶样本的近红外漫反射光谱数据：运用二阶导数法(2^ndder)对收集到的茶叶样本的近红外漫反射光谱数据进行预处理，再将经预处理后的茶叶样本数据随机划分为茶叶样本的训练集和测试集；

S3、提取茶叶训练集样本和测试集样本的分类鉴别信息：利用一种核模糊正交鉴别分析的茶叶近红光谱鉴别信息提取方法从已预处理过的茶叶近红外漫反射光谱数据中提取茶叶样本的类别信息，得到包含类别信息的训练样本集和测试样本集；

S4、鉴定茶叶样本的种类：使用K近邻分类算法(KNN)将步骤S3中蕴含茶叶样本类别信息的测试样本集分类，以确定测试样本集中茶叶样本的品种。

2.根据权利要求1所述的一种核模糊正交鉴别分析的茶叶近红外光谱分类方法，其特征在于，所述S1的实现方法包括：采集若干品种茶叶样本，采用Antaris II傅立叶变换近红外光谱分析仪的积分球漫反射分析模块的漫反射模式获取茶叶样本的近红外漫反射光谱数据；所获取的茶叶样本的近红外漫反射光谱数据为波数范围在10000cm^-1～4000cm^-1之间的1557维的高维数据。

3.根据权利要求2所述的一种核模糊正交鉴别分析的茶叶近红外光谱分类方法，其特征在于，在获取茶叶样本的近红外漫反射光谱数据的过程中，需保持温度、湿度的恒定。

4.根据权利要求2所述的一种核模糊正交鉴别分析的茶叶近红外光谱分类方法，其特征在于，还包括设置Antaris II傅立叶变换近红外光谱分析仪的扫描间隔、扫描次数分别为3.857cm^-1、32。

5.根据权利要求1所述的一种核模糊正交鉴别分析的茶叶近红外光谱分类方法，其特征在于，所述S3的具体实现方法包括如下：

S3.1设定一个训练样本矩阵m为样本维数，n为样本数量(n≥c)，分别是该训练样本集的模糊总体散射矩阵S_ft，模糊类间散射矩阵S_fb和模糊类内散射矩阵S_fw经某个非线性映射Φ变换(即核函数)所得的矩阵，定义如下：

式中，c为类别数，η为权重指数，u_ij为原始空间中的第i个训练样本d_i属于第j类的模糊隶属度，Φ(d_i)为高维空间中的第i个训练样本(i＝1,2,...,n)，为高维空间中的训练样本集的总体训练样本均值，Φ(v_j)为高维空间中的训练样本集中第j类样本的样本均值(j＝1,2,...,c)。

S3.2构造矩阵K_fT，K_fB，K_fW，使之符合K_fT＝Φ(D)^TH_fT，K_fB＝Φ(D)^TH_fB，K_fW＝Φ(D)^TH_fW。其中，Φ(D)为训练样本矩阵D经某个非线性映射Φ变换(即核函数)后所得的矩阵，矩阵H_fT，H_fB，H_fW则分别满足

推导可得：

K_fW＝[W₁,W₂,...,W_j]

式中，且式中涉及到的参数j，i，k的取值范围为：1≤j≤c，1≤i≤n，1≤k≤n。

S3.3将矩阵K_fT以K_fT＝GΣS^T的形式进行奇异值分解，其中，矩阵G＝[G₁ G₂]，矩阵n为样本数量，t＝rank(K_fT)；

S3.4设定一个新的矩阵B为其中，矩阵为矩阵Σ_t的逆矩阵，矩阵为矩阵G₁的转置矩阵。同时将矩阵B以B＝PAO^T的形式进行奇异值分解，其中矩阵c为类别数，t＝rank(K_fT)；

S3.5设定一个新的矩阵Y为其中，矩阵Y_q是由矩阵Y的前q列组成的矩阵，n为样本数量，q＝rank(K_fB)；

S3.6将矩阵Y_q以Y_q＝QR的形式进行QR分解，矩阵Q为正交矩阵，矩阵R为上三角矩阵，

S3.7得到的特征投影矩阵W为：W＝Q，并将训练样本和测试样本投影到矩阵W方向上，最终得到变换后的训练样本和测试样本。