一种模糊K调和网络聚类的茶叶中红外光谱分类方法技术

本发明专利技术公开了一种模糊K调和网络聚类的茶叶中红外光谱分类方法，首先采集不同品种茶叶的中红外光谱；其次，采用多元散射校正、主成分分析及线性判别分析对茶叶样本的中红外光谱进行预处理；最后对包含鉴别信息的测试样本，使用一种模糊K调和网络聚类方法鉴别测试样本中的茶叶品种。本发明专利技术将模糊K调和网络聚类引入到Kohonen聚类网络的学习速率和更新策略中，解决了用模糊Kohonen聚类网络方法对初始类中心敏感而导致聚类结果不稳定的问题。本发明专利技术具有检测速度快，检测准确率高，绿色无污染，检测结果稳定等优点。

A fuzzy K harmonic network clustering method for the classification of infrared spectra in tea

The invention discloses a classification method of fuzzy K clustering network harmonic in tea by infrared spectroscopy, the first collection of different varieties of tea in the infrared spectrum; secondly, using multiple scattering correction, principal component analysis and linear discriminant analysis to preprocess the tea samples by infrared spectroscopy; the test sample contains authentication information, use the A fuzzy K network clustering method for identification of tea varieties and test samples. The invention introduces fuzzy K harmonic network clustering into learning speed and updating strategy of Kohonen clustering network, and solves the problem that clustering results are unstable due to the sensitivity of the fuzzy Kohonen clustering network method to the initial class center. The invention has the advantages of fast detection speed, high detection accuracy, no pollution in green, and stable detection results.

【技术实现步骤摘要】
一种模糊K调和网络聚类的茶叶中红外光谱分类方法
本专利技术属于人工智能
，尤其是一种模糊K调和网络聚类的茶叶中红外光谱分类方法。
技术介绍
中国是茶叶的故乡，我国人民自古以来就有饮茶的习惯。茶叶中含有的多元酚类、咖啡碱、氨基酸、维生素等能够起到保健和药理作用，比如：绿茶有助抗癌防癌，降低血脂等功效。随着人民生活水平的不断提高，对茶叶品质的要求越来越高，而一些品质低劣，以次充好的茶叶损害了消费者利益。因此，茶叶品种的鉴别是非常值得研究的重要课题，而设计一种简单快速的茶叶品种鉴别方法是非常必要的。中红外光谱检测技术作为一种快速无损检测技术，近年来应用于食品、农产品和药品等无损检测分析中。中红外光谱的波数范围在4000cm-1～400cm-1之间，大多数的无机化合物和有机化合物的化学键振动的基频均在此区域。不同的分子中官能团、化合物的类别和化合物的立体结构，其中红外吸收光谱不尽相同。不同品种的茶叶，其组分及含量往往存在差别，那么它们的中红外光谱存在差异。根据这个原理，可以用中红外光谱技术实现茶叶品种的分类。模糊Kohonen聚类网络(TsaoEC,BezdekJC,PalNR.FuzzyKohonenclusteringnetworks.PatternRecognition,1994,27(5):757–764.)是一种无监督的学习方法。模糊Kohonen聚类网络是将模糊C-均值聚类(FCM)引入到Kohonen聚类网络的学习速率和更新策略中。但是，由于FCM存在着对初始类中心敏感问题而导致聚类结果不稳定。引入FCM的模糊Kohonen聚类网络也存在着与FCM相同的问题。
技术实现思路
本专利技术是针对现有的模糊Kohonen聚类网络方法在聚类数据时存在着对初始类中心敏感问题而导致聚类结果不稳定的缺点，提出一种模糊K调和网络聚类的茶叶中红外光谱分类方法。相比原有的模糊Kohonen聚类网络方法，本专利技术的一种模糊K调和网络聚类的茶叶中红外光谱分类方法采用模糊K调和聚类的模糊隶属来计算学习速率。本专利技术具有检测速度快，检测准确率高，绿色无污染，检测结果稳定等优点。本专利技术是通过以下技术方案实现上述技术目的的。一种模糊K调和网络聚类的茶叶中红外光谱分类方法，包括以下步骤：S1，采集茶叶样本中红外光谱：针对不同品种的茶叶样本，用红外光谱仪对茶叶样本进行检测，获取茶叶样本中红外漫反射光谱信息，将光谱信息存储在计算机里；将茶叶样本分为训练样本和测试样本；S2，依次采用多元散射校正、主成分分析及线性判别分析对茶叶样本的中红外光谱进行预处理；S3，对步骤二中包含鉴别信息的测试样本，使用一种模糊K调和网络聚类方法鉴别测试样本中的茶叶品种。进一步，所述S1中红外漫反射光谱信息是指光谱的波数范围为4001.569～401.1211cm-1，采集到每个茶叶样本的光谱是1868维的数据。进一步，所述S1中设置茶叶样本的类别数为k，训练样本数为nr，测试样本数为n。进一步，所述S2具体为：先用多元散射校正对茶叶样本中红外光谱进行处理，接着用主成分分析进行光谱数据压缩，最后用线性判别分析进行光谱数据的鉴别信息提取。进一步，所述S3具体为：S3.1，初始化：确定类别数k，测试样本数n和权重指数m0的值，n>k>1，+∞>m0>1；设置迭代次数初始值r、最大迭代次数为rmax及最大误差参数ε；确定聚类的初始类中心cj,0；S3.2，计算第r次迭代时的模糊隶属度值uij,r；S3.3，计算第r次迭代时的学习速率αij,r；S3.4，计算第r次迭代时的类中心cj,r；S3.5，当||cj,r-cj,r-1||＜ε或者r>rmax则计算终止，否则从S3.2开始重新计算，其中cj,r-1为第r-1次迭代时第j类的类中心。更进一步，计算第r次迭代时的模糊隶属度值uij,r：其中mr为第r次迭代时的权重指数，mr＝m0-rΔm，Δm＝(m0-1)/rmax；uij,r为第r次迭代时第j个样本隶属于第i类的模糊隶属度值，其中dij＝||xi-cj,r-1||，xi为第i个样本数据，dit＝||xi-ct,r-1||，ct,r-1为第r-1次迭代时第t类的类中心。更进一步，计算第r次迭代时的学习速率αij,r：更进一步，计算第r次迭代时的类中心cj,r：其中dil＝||xi-cl,r-1||，cl,r-1为第r-1次迭代时第l类的类中心；αil,r为第r次迭代时的学习速率uil,r为第r次迭代时第l个样本隶属于第i类的模糊隶属度值。。本专利技术的有益效果为：1、本专利技术的一种模糊K调和网络聚类的茶叶中红外光谱分类方法由于计算第r次迭代时的类中心cj,r，所以在聚类茶叶中红外光谱数据方面的稳定性和聚类准确率要优于模糊Kohonen聚类网络方法，具有聚类准确率高，聚类速度快，聚类结果稳定的优点。2、本专利技术通过计算模糊隶属度值并用其进行分类，所以本专利技术在聚类包含噪声数据的中红外光谱数据方面优于Kohonen聚类网络，结合中外光谱技术可快速实现茶叶品种的快速和准确鉴别。附图说明图1是本专利技术的流程图；图2是茶叶的中红外光谱图；图3是MSC处理后的茶叶中红外光谱图；图4是茶叶的中红外光谱经LDA提取鉴别信息后得到的测试样本数据图；图5是初始的模糊隶属度值图；图6是一种模糊K调和网络聚类方法产生的模糊隶属度值图；图7是一种模糊K调和网络聚类方法产生的学习速率图。具体实施方式下面将结合附图对本专利技术做进一步的说明，但是本专利技术的保护范围并不限于此。步骤一、茶叶样本中红外光谱的采集：采集不同品种的茶叶样本，用红外光谱仪对茶叶样本进行检测，获取茶叶样本的中红外漫反射光谱信息，将光谱信息存储在计算机里。实验过程中尽量保持室内的温度和湿度基本不变；中红外漫反射光谱的波数范围为4001.569～401.1211cm-1，采集到每个茶叶样本的光谱是1868维的数据。将茶叶样本分为训练样本和测试样本。设置类别数k、训练样本数为nr和测试样本数为n。步骤二、对茶叶样本的中红外光谱进行预处理：先用多元散射校正(MSC)对光谱进行处理，接着用主成分分析(PCA)进行光谱数据压缩，最后用线性判别分析进行光谱数据的鉴别信息提取。步骤三、对步骤二中包含鉴别信息的测试样本用一种模糊K调和网络聚类方法以鉴别测试样本中的茶叶品种。具体描述如下：1.初始化(1)确定类别数k，测试样本数n和权重指数m0的值，且满足n>k>1，+∞>m0>1；设置迭代次数初始值r、最大迭代次数为rmax及迭代最大误差参数ε；(2)确定聚类的初始类中心cj,0。2.计算第r次迭代时的模糊隶属度值uij,r其中：mr为第r次迭代时的权重指数，mr＝m0-rΔm，Δm＝(m0-1)/rmax；uij,r为第r次迭代时第j个样本隶属于第i类的模糊隶属度值，其中dij＝||xi-cj,r-1||，xi为第i个样本数据，cj,r-1为第r-1次迭代时第j类的类中心，dit＝||xi-ct,r-1||，ct,r-1为第r-1次迭代时第t类的类中心。3.计算第r次迭代时的学习速率αij,r：4.计算第r次迭代时的类中心cj本文档来自技高网...

【技术保护点】
一种模糊K调和网络聚类的茶叶中红外光谱分类方法，其特征在于，包括以下步骤：S1，采集茶叶样本中红外光谱：针对不同品种的茶叶样本，用红外光谱仪对茶叶样本进行检测，获取茶叶样本中红外漫反射光谱信息，将光谱信息存储在计算机里；将茶叶样本分为训练样本和测试样本；S2，依次采用多元散射校正、主成分分析及线性判别分析对茶叶样本的中红外光谱进行预处理；S3，对步骤二中包含鉴别信息的测试样本，使用一种模糊K调和网络聚类方法鉴别测试样本中的茶叶品种。

【技术特征摘要】
1.一种模糊K调和网络聚类的茶叶中红外光谱分类方法，其特征在于，包括以下步骤：S1，采集茶叶样本中红外光谱：针对不同品种的茶叶样本，用红外光谱仪对茶叶样本进行检测，获取茶叶样本中红外漫反射光谱信息，将光谱信息存储在计算机里；将茶叶样本分为训练样本和测试样本；S2，依次采用多元散射校正、主成分分析及线性判别分析对茶叶样本的中红外光谱进行预处理；S3，对步骤二中包含鉴别信息的测试样本，使用一种模糊K调和网络聚类方法鉴别测试样本中的茶叶品种。2.如权利要求1所述的一种模糊K调和网络聚类的茶叶中红外光谱分类方法，其特征在于，所述S1中红外漫反射光谱信息是指光谱的波数范围为4001.569～401.1211cm-1，采集到每个茶叶样本的光谱是1868维的数据。3.如权利要求1所述的一种模糊K调和网络聚类的茶叶中红外光谱分类方法，其特征在于，所述S1中设置茶叶样本的类别数为k，训练样本数为nr，测试样本数为n。4.如权利要求1所述的一种模糊K调和网络聚类的茶叶中红外光谱分类方法，其特征在于，所述S2具体为：先用多元散射校正对茶叶样本中红外光谱进行处理，接着用主成分分析进行光谱数据压缩，最后用线性判别分析进行光谱数据的鉴别信息提取。5.如权利要求1所述的一种模糊K调和网络聚类的茶叶中红外光谱分类方法，其特征在于，所述S3具体为：S3.1，初始化：确定类别数k，测试样本数n和权重指数m0的值，n>k>1，+∞>m0&...

【专利技术属性】
技术研发人员：武小红，王大智，陈勇，戴春霞，傅海军，孙俊，武斌，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32