[发明专利]一种自适应聚类的生菜品种鉴别方法

权利要求书

1.一种自适应聚类的生菜品种鉴别方法，其特征在于，包括如下步骤：

步骤1、生菜样本光谱的采集：用光谱仪采集不同品种的生菜样本，获取生菜样本的漫反射光谱；

步骤2、光谱的降维处理：采用主成分分析方法(PCA)将生菜样本光谱的维数降低；

步骤3、进行生菜光谱的模糊C均值聚类，得到模糊隶属度以及聚类中心；

步骤4、计算自适应聚类方法的参数λ；

步骤5、采用自适应聚类方法进行生菜品种的鉴别；

所述步骤5的具体过程如下：

5.1.初始化

5.1.1固定生菜光谱样本类别数c和样本数n，权重指数m和p，最大迭代数r_max，初始迭代次数r＝1，误差上限的值ε，固定参数a、b，初始聚类中心ν_i⁽⁰⁾为步骤3中模糊C均值聚类得到的聚类中心；其中，+∞＞c＞1，n＞c＞1，+∞＞m＞1，+∞＞p＞1，+∞＞a＞0，+∞＞b＞0；

5.1.2计算生菜光谱样本的协方差σ²

这里x_k为第k个生菜光谱样本，x为样本的均值，其中，k＝1,2,3,…,n；

5.2.计算第r次迭代时的模糊隶属度值u_ik^(r)，其中，r＝1,2,…,r_max：

u_ik是样本x_k隶属于类别i的模糊隶属度值；v_i是第i类的类中心值，ν_i^(r-1)是第r－1次迭代计算的类中心v_i的值；v_j是第j类的类中心值，ν_j^(r-1)是第r－1次迭代计算的类中心v_j的值，为样本均值；其中，i＝1,2,3,…,c；j＝1,2,3,…,c；

5.3.计算第r次迭代时的典型值t_ik^(r)：

t_ik是样本x_k隶属于类别i的典型值；其中，r＝1,2,…,r_max；

5.4.计算第r次迭代时的第i类的类中心值ν_i^(r)

ν_i^(r)是第r次迭代计算的类中心v_i的值；

5.5.循环计数增加，即r＝r+1；

当或者r＝r_max－1时，迭代结束，否则，r＝r+1，返回步骤5.2继续迭代计算，迭代终止后可得到模糊隶属度值和典型值并根据模糊隶属度值或典型值鉴别生菜品种。

2.根据权利要求1所述的一种自适应聚类的生菜品种鉴别方法，其特征在于，所述步骤1中，光谱采集的条件为：在350～1000nm光谱区采样间隔为1.4nm，分辨率为3nm；在1000～2500nm光谱区采样间隔为2nm，分辨率为10nm。

3.根据权利要求1所述的一种自适应聚类的生菜品种鉴别方法，其特征在于，所述步骤2中，所述光谱的维数由2151维数据降低为6维数据。

4.根据权利要求3所述的一种自适应聚类的生菜品种鉴别方法，其特征在于，所述步骤3的具体过程如下：

对步骤2的6维光谱数据进行模糊C-均值聚类；模糊C-均值聚类的初始化参数设置为：类别数为3，权重指数为2，最大迭代数为100次，误差上限为0.00001。

5.根据权利要求4所述的一种自适应聚类的生菜品种鉴别方法，其特征在于，生菜品种为香港玻璃生菜，意大利全年耐抽苔生菜和大禹奶油生菜时，计算的聚类中心v_i,FCM为