[发明专利]基于DS证据理论的小麦品质THz光谱分类方法

权利要求书

1.一种基于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；M_c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：

M_c(A₁)＝max{M_c(A_i),A_i∈Θ},M_c(A₂)＝max{M_c(A_i),A_i∈Θ∩A_i≠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。

2.如权利要求1所述的基于DS证据理论的小麦品质THz光谱分类方法，其特征在于，所述步骤一中，以前10个主成分特征组合为光谱特征集，以RBF核函数最优参数γ为3.5，C为1.6时的SVM模式识别方式，来建立不同品质的小麦样品的吸收光谱SVM分类器。

3.如权利要求2所述的基于DS证据理论的小麦品质THz光谱分类方法，其特征在于，所述步骤二中，以前8个主成分特征组合为光谱特征集，以RBF核函数最优参数γ为3，C为0.92时的SVM模式识别方式，来建立不同品质的小麦样品的折射率光谱SVM分类器。

4.如权利要求1或2或3所述的基于DS证据理论的小麦品质THz光谱分类方法，其特征在于，所述步骤一中，以正常小麦、发芽小麦、发霉小麦和虫蚀小麦这4种小麦样品作为识别对象；所述步骤三中，α₁,α₂,α₃,α₄分别表示正常小麦、发芽小麦、发霉小麦和虫蚀小麦。