[发明专利]一种GK鉴别聚类的茶叶品种分类方法

权利要求书

1.一种GK鉴别聚类的茶叶品种分类方法，其特征在于，采集茶叶样本近红外光谱，对茶叶样本红外光谱预处理以及降维处理，提取茶叶训练样本近红外光谱的鉴别信息，对测试样本进行模糊C均值聚类，利用GK鉴别聚类进行茶叶品种的分类。

2.如权利要求1所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，通过多元散射校正MSC对茶叶近红外光谱进行预处理。

3.如权利要求1所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，采用主成分分析方法PCA对茶叶样本近红外光谱的降维处理。

4.如权利要求1所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，采用线性鉴别分析LDA提取茶叶训练样本近红外光谱的鉴别信息。

5.如权利要求1所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，利用GK鉴别聚类进行茶叶品种的分类，具体过程为：初始化设置相关参数，计算第r次迭代时的类中心值v_i^(r)、模糊类间散射矩阵S_fB、模糊类内散射矩阵S_fW和特征向量ψ，将样本x_k、类中心值v_i^(r)分别转化到特征空间R^q、R^p，计算第r次迭代时的模糊协方差矩阵模糊隶属度值若或者r＞r_max，则迭代计算终止，否则增加迭代数r值，r＝r+1，继续重新迭代计算；ε为迭代最大误差参数，r_max为最大迭代次数。

6.如权利要求5所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，所述初始化设置相关参数包括茶叶测试样本数n、样本类别数目c、权重指数m、迭代次数初始值r、最大迭代次数r_max以及迭代最大误差参数为ε。

7.如权利要求5或6所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，所述类中心值v_i^(r)的计算公式为：其中为第r-1次迭代时第k个测试样本x_k隶属于第i类的模糊隶属度。

8.如权利要求5或6所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，所述模糊类间散射矩阵S_fB、模糊类内散射矩阵S_fW、特征向量ψ的计算公式为：其中为模糊类内散射矩阵的逆矩阵，λ是特征向量ψ所对应的特征值，上标T代表矩阵转置运算。

9.如权利要求5所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，所述特征空间由ψ₁，ψ₂，...，ψ_p组成，特征空间R^q、R^p分别为y_k＝x_k^T[ψ₁，ψ₂，...，ψ_p](y_k∈R^p)、其中p和q均为样本的维数，ψ_p为第p个特征向量。

10.如权利要求5所述的一种GK鉴别聚类的茶叶品种分类方法，其特征在于，所述第r次迭代时的模糊协方差矩阵模糊隶属度值的计算公式为：式中为第r次迭代时样本y_k到类中心的距离，为第r-1次迭代时样本y_k到类中心的距离范数，j＝0,1,2,…,c-1；是第r次迭代时的第i个聚类中心的范数矩阵，第r次迭代时的第j个聚类中心的范数矩阵，d为测试样本的维数。