[发明专利]一种自适应可能C均值聚类的茶叶中红外光谱分类方法

说明书

技术领域

本发明涉及茶叶品种分类领域，具体涉及一种自适应可能C均值聚类的茶叶中红外光谱分类方法。

背景技术

茶叶是茶树的叶子经过一定工艺加工而成，人们喜欢将茶叶泡成饮品饮用。随着出口贸易市场的开放和国内市场流通的增多，快速准确的茶叶品种鉴别方法变得至关重要。然而传统的茶叶鉴别方法一般是由经验丰富的业内人士人工鉴别，效率和准确率都比较低下。

中红外光谱检测技术作为一种快速无损检测技术，近年来应用于食品的检测分析中。中红外光谱的波数范围在4000cm^-1～400cm^-1之间，大多数的无机化合物和有机化合物的化学键振动的基频均在此区域。不同的分子中官能团、化合物的类别和化合物的立体结构，其中红外吸收光谱不尽相同。中红外光谱技术以其方便、快速、高效、无损、低成本等特点成为检测食品和药品的有效检测技术。

改进型可能C-均值(IPCM)聚类方法(Zhang,J.-S.,Leung,Y.-W.,Improved possibilistic C-means clustering algorithms,IEEE Trans.Fuzzy Systems,2004,12(2):209-217)解决了模糊C均值聚类(FCM)对噪声敏感和可能C-均值聚类(PCM)一致性聚类的缺点；但IPCM的目标函数中使用的是欧氏距离，在使用基于欧氏距离的IPCM处理不规则聚类形状的数据时，聚类准确率会受到影响。

用中红外光谱仪采集多个品种茶叶的中红外光谱数据在进行数据降维后，各品种茶叶数据的边界往往是不规则形状的，如果用基于欧氏距离的IPCM来聚类分析茶叶的中红外光谱数据则效果往往不理想。

发明内容

本发明是针对现有的IPCM聚类方法在聚类茶叶中红外光谱数据时存在的缺点，提出一种自适应可能C均值聚类的茶叶中红外光谱分类方法，相比原有的IPCM聚类方法，本发明的一种自适应可能C均值聚类的茶叶中红外光谱分类方法采用基于模糊协方差矩阵的自适应距离测度来代替IPCM聚类方法中的欧氏距离测度。本发明具有检测速度快，检测准确率高，绿色无污染，所需茶叶样本少等优点。

本发明依据的原理：研究表明茶叶的中红外漫反射光谱包含了茶叶内部的组分信息，不同品种茶叶所对应的中红外漫反射光谱不同，因而可以采用聚类方法将不同品种的茶叶中红外光谱进行分类。

一种自适应可能C均值聚类的茶叶中红外光谱分类方法，具体包括以下步骤：

S1，茶叶样本中红外光谱采集：针对不同种类茶叶样本，用中红外光谱仪对茶叶样本进行检测，获取茶叶样本中红外漫反射光谱信息，将光谱信息存储在计算机里；中红外漫反射光谱信息是指光谱的波数范围为4001.569～401.1211cm^-1，采集到每个茶叶样本的光谱是1868维的数据；将茶叶样本分为训练样本和测试样本，设置类别数为c，训练样本数为nr，测试样本数为n。

S2，用多元散射矫正(MSC)对茶叶样本中红外光谱预处理。

S3，对茶叶样本中红外光谱进行降维处理和鉴别信息提取：利用主成分分析(PCA)将在S2中获得的茶叶样本中红外光谱数据压缩；然后利用线性判别分析(LDA)提取茶叶样本的鉴别信息。

S4，对S3中包含鉴别信息的测试样本用自适应可能C均值聚类方法以鉴别测试样本中的茶叶品种；

S4.1，初始化：设置权重指数m、w，类别数c，其中m>1、w>1；设置循环计数r的初始值和最大迭代次数r_max；设置迭代最大误差参数ε；运行模糊C均值聚类得到的模糊隶属度值和类中心值分别作为初始的模糊隶属度值u_ik⁽⁰⁾和类中心值ν_i⁽⁰⁾；