[发明专利]一种近红外光谱快速检测三叶青产地方法

摘要

本发明公开了一种近红外光谱快速鉴别三叶青产地的方法。由于三叶青近红外光谱数据还未完善，因此在其产地鉴别上，应对鉴别算法提出更高的要求，即在实现三叶产地鉴别的同时，还要能够有效地识别出其它或未知新产地的三叶青。针对这一问题，本文结合三叶青近红外光谱数据的特点，对算法共做了三方面改进：①从距离的角度估计样本的概率密度；②以训练样本可信度的方式计算带宽参数；③在未知新产地的识别上，提出一种基于训练集样本的概率密度函数的识别方法。本发明提出一种新的特征波长选择方法，其操作简单，通用性强，能够有效提高定量模型，稳健性与准确性。

主权项

1.一种近红外光谱快速检测三叶青产地方法，其特征在于：采用基于核密度估计的改进算法进行定性分析，具体步骤包括如下：S1：采集各重点产地的三叶青样本，利用近红外光谱分析仪采集其近红外光谱，建立一个常见三叶青近红外光谱数据库；S2：建立一个基于核密度估计分类算法的三叶青产地分类模型；S2包括以下步骤：S21：确定分类器的基本模型，如下：其中K(*)为核函数；k指训练样本中的第k类样本，且k＝1，2，……，c，其中c为总类别数；n_k为训练集样本中第k类的样本数；h^(k)为核函数K(*)的带宽参数；取第k类训练集样本的均值作为簇类中心，记为u^(k)；N为总样本数量；S22：针对整个三叶青近红外光谱数据库概率密度函数计算如下：S23：以权重的形式实现分类，及其分类原则如下：分类的原则可以设计如下：分类原则1：如果ρ^(k)＝max{ρ⁽¹⁾，ρ⁽²⁾，...，ρ^(c)}，则待测样本属于第k类，分类原则2：当时；待测样本属于已知类；当时；待测样本属于未知类；将训练样本对应的所有函数值中的最小值作为阈值，即r属于训练样本集；核函数K(*)为：K(x)＝exp(‑x)，x≥0；带宽参数h^(k)的计算公式为：