一种混合GK聚类的红外光谱茶叶优劣鉴别方法

摘要

本发明公开一种茶叶检测技术中混合GK聚类的红外光谱茶叶优劣鉴别方法，用线性判别分析法对压缩后的训练样本学得到包含鉴别信息的训练样本和测试样本，对包含鉴别信息的测试样本运行模糊C均值聚类，得到初始模糊隶属度和初始聚类中心，先计算模糊散射矩阵和模糊隶属度值，再计算出典型值，根据典型值计算出聚类中心，分别计算包含鉴别信息的训练样本的平均值到测试样本的聚类中心的欧式距离，若聚类中心到训练茶叶的平均值的欧式距离最小则判定该聚类中心所属茶叶品种和这种训练样本的茶叶品种是相同品种，根据模糊隶属度值判定测试样本所属茶叶和类别；本发明将典型值增加进入函数中，可以大幅度降低处理噪声数据时出错的概率。

主权项

一种混合GK聚类的红外光谱茶叶优劣鉴别方法，采集茶叶样本红外光谱，将茶叶样本分为训练样本和测试样本，预处理茶叶样本红外光谱，然后压缩红外光谱数据，用线性判别分析法对压缩后的训练样本学习得到包含鉴别信息的训练样本和测试样本，对包含鉴别信息的测试样本运行模糊C均值聚类，得到初始模糊隶属度u_ik,0和初始聚类中心v_0,0，其特征是还依序包括以下步骤：A、先计算第r次迭代时第i类的模糊散射矩阵S_fi,r和第r次迭代时的模糊隶属度值u_ik,r，再计算出第r次迭代时第k个测试样本隶属于第i类的典型值为第r‑1次迭代时测试样本x_k到聚类中心v_i,r‑1的距离范数，d为测试样本的维数，r为迭代次数，c为茶叶类别数，1≤i≤c，1≤k≤n，n为测试样本数；B、根据典型值t_ik,r计算出第r次迭代时的第i类的聚类中心m是权重指数值；C、计算所述包含鉴别信息的训练样本的平均值，再分别计算平均值到测试样本的聚类中心ν_i,r的欧式距离，若聚类中心到训练茶叶的平均值的欧式距离最小则判定该聚类中心所属茶叶品种和这种训练样本的茶叶品种是相同品种；D、根据模糊隶属度值u_ik,r判定测试样本x_k所属茶叶和类别，若u_ik,21＞0.5则判定x_k所属茶叶为优质茶叶。