买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：贵州印江宏源农业综合开发有限公司

摘要：本发明公开了一种核模糊正交鉴别分析的茶叶近红外光谱分类方法，包括：一、利用AntarisII傅立叶变换近红外光谱分析仪的积分球漫反射分析模块的漫反射模式检测茶叶样本的近红外漫反射光谱数据；二、采用二阶求导法对茶叶样本的近红外漫反射光谱数据进行预处理，再将经预处理后的数据划分训练样本集和测试样本集；三、使用一种核模糊正交鉴别分析的茶叶近红外光谱鉴别信息提取方法，从已预处理过的茶叶近红外漫反射光谱数据中提取茶叶样本的分类信息，得到包含鉴别信息的训练样本集和测试样本集；四、运K近邻分类算法将步骤三中包含类别信息的测试样本集分类，以确定所测茶叶样本的种类。本发明能克服线性特征提取算法无法处理非线性问题的局限。

主权项：1.一种核模糊正交鉴别分析的茶叶近红外光谱分类方法，其特征在于，包括如下步骤：S1、获取茶叶样本的近红外漫反射光谱数据；S2、预处理茶叶样本的近红外漫反射光谱数据：运用二阶导数法对收集到的茶叶样本的近红外漫反射光谱数据进行预处理，再将经预处理后的茶叶样本数据随机划分为茶叶样本的训练集和测试集；S3、提取茶叶训练集样本和测试集样本的分类鉴别信息：利用一种核模糊正交鉴别分析的茶叶近红光谱鉴别信息提取方法从已预处理过的茶叶近红外漫反射光谱数据中提取茶叶样本的类别信息，得到包含类别信息的训练样本集和测试样本集；所述S3的具体实现方法包括如下：S3.1设定一个训练样本矩阵m为样本维数，n为样本数量，n≥c，分别是该训练样本集的模糊总体散射矩阵Sft，模糊类间散射矩阵Sfb和模糊类内散射矩阵Sfw经某个非线性映射Φ变换所得的矩阵，定义如下： 式中，c为类别数，η为权重指数，uij为原始空间中的第i个训练样本di属于第j类的模糊隶属度，Φdi为高维空间中的第i个训练样本，i＝1,2,...,n，为高维空间中的训练样本集的总体训练样本均值，Φvj为高维空间中的训练样本集中第j类样本的样本均值，j＝1,2,...,c；S3.2构造矩阵KfT，KfB，KfW，使之符合KfT＝ΦDTHfT，KfB＝ΦDTHfB，KfW＝ΦDTHfW；其中，ΦD为训练样本矩阵D经某个非线性映射Φ变换后所得的矩阵，矩阵HfT，HfB，HfW则分别满足推导可得： KfW＝[W1,W2,...,Wj]式中，且式中涉及到的参数j，i，k的取值范围为：1≤j≤c，1≤i≤n，1≤k≤n；S3.3将矩阵KfT以KfT＝GSST的形式进行奇异值分解，其中，矩阵G＝[G1G2]，矩阵n为样本数量，t＝rankKfT；S3.4设定一个新的矩阵B为其中，矩阵为矩阵St的逆矩阵，矩阵为矩阵G1的转置矩阵；同时将矩阵B以B＝PAOT的形式进行奇异值分解，其中矩阵c为类别数，t＝rankKfT；S3.5设定一个新的矩阵Y为其中，矩阵Yq是由矩阵Y的前q列组成的矩阵，n为样本数量，q＝rankKfB；S3.6将矩阵Yq以Yq＝QR的形式进行QR分解，矩阵Q为正交矩阵，矩阵R为上三角矩阵，S3.7得到的特征投影矩阵W为：W＝Q，并将训练样本和测试样本投影到矩阵W方向上，最终得到变换后的训练样本和测试样本；S4、鉴定茶叶样本的种类：使用K近邻分类算法将步骤S3中蕴含茶叶样本类别信息的测试样本集分类，以确定测试样本集中茶叶样本的品种。

全文数据：

权利要求：

百度查询： 贵州印江宏源农业综合开发有限公司 一种核模糊正交鉴别分析的茶叶近红外光谱分类方法