[发明专利]一种种子近红外光谱和光谱图像定性分析模型建立方法

摘要

本发明提供了一种种子近红外光谱和光谱图像定性分析模型建立方法，该方法包括在不同的环境中采集每个类别的样品数据，并确定模型训练数据集和测试数据集，样品数据为近红外光谱数据和/或光谱图像；采用不同的数据预处理方法和/或特征提取方法对模型训练数据集中的样品数据进行处理，获取不同类别的样品数据之间的可分性、分类正确度和偏离度；根据可分性、分类正确度和偏离度选择最佳数据预处理方法、最佳特征提取方法以及最佳特征提取方法的最优数据维数，并提取模型训练数据集中的样品数据的特征；采用改进的仿生模式识别方法建立定性分析模型。本发明提高了建立定性分析模型的效率和定性分析模型的稳健性，应用前景广阔。

主权项

一种种子近红外光谱和光谱图像定性分析模型建立方法，其特征在于，所述方法包括：在不同的环境中采集每个类别的样品数据，并确定模型训练数据集和测试数据集，所述样品数据为近红外光谱数据和/或光谱图像；采用不同的数据预处理方法和/或特征提取方法对所述模型训练数据集中的样品数据进行处理，获取不同类别的样品数据之间的可分性、分类正确度和偏离度；根据所述可分性、分类正确度和偏离度选择最佳数据预处理方法和最佳特征提取方法；根据所述分类正确度确定所述最佳特征提取方法的最优数据维数；根据所述最佳数据预处理方法、最佳特征提取方法以及最优数据维数提取所述模型训练数据集中的样品数据的特征；采用改进的仿生模式识别方法建立定性分析模型；其中，所述获取不同类别的样品数据之间的可分性、分类正确度和偏离度，包括：计算所述模型训练数据集中样本数据的类内类间距离，根据所述类内类间距离确定所述模型训练数据集中不同类别的样品数据之间的可分性；获取所述模型训练数据集中样本数据的总数量N和正确分类的样本数据的数量M，根据所述样本数据的总数量N和正确分类的样本数据的数量M计算分类正确度CA，CA＝M/N；获取所述模型训练数据集中任意两个类别数据的中心距离Dmn以及每一类别中的不同数据点的中心距离Dm和Dn，并采用如下公式计算模型训练数据集中任意两个类别数据的偏离度D：D=Dm+Dn2×Dmn;]]>其中，所述计算所述模型训练数据集中样本数据的类内类间距离，包括：获取所述模型训练数据集中样本数据的类间离散度矩阵和类内离散度矩阵估计S~b=Σi=1cPi(mi-m)(mi-m)T]]>S~w=Σi=1cPi1niΣk=1ni(xk(i)-mi)(xk(i)-mi)T]]>其中，mi表示第i类样本数据的均值向量，m表示所有各类的样本数据的总平均向量，c为样本数据的类别数目，Pi为相应类别的先验概率，T表示矩阵转置，为第i类的特征向量；根据所述类间离散度矩阵和类内离散度矩阵估计计算所述模型训练数据集中各类别的样本数据的类内类间距离，作为可分性J：J=tr(S~w+S~b),]]>其中，tr()表示计算矩阵的迹。