详情

原文传递一种模糊聚类分析的眉茶品质等级鉴别方法

专利名称：	一种模糊聚类分析的眉茶品质等级鉴别方法
摘要：	本发明公开了一种模糊聚类分析的眉茶品质等级鉴别方法，包括步骤：①利用近红外光谱仪采集不同品质等级眉茶样本的近红外漫反射光谱数据；②利用多元散射校正方法(MSC)对光谱数据进行预处理；③利用主成分分析进行光谱数据降维；④利用一种模糊特征提取方法提取光谱数据的鉴别信息；⑤利用一种基于新距离测度的模糊聚类方法进行聚类分析。本发明能提取眉茶近红外光谱的线性鉴别信息，采用基于新距离测度的模糊聚类方法聚类数据，提高了眉茶品质等级的识别准确率，可以实现眉茶品质等级的快速准确识别。本发明的一种模糊聚类分析的眉茶品质等级鉴别方法可用于眉茶品质等级的准确识别。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江苏大学
发明人：	武小红;许鸿嘉;傅兆民;傅海军;武斌
专利状态：	有效
申请日期：	2023-09-18T00:00:00+0800
发布日期：	2023-11-21T00:00:00+0800
申请号：	CN202311201607.1
公开号：	CN117092062A
代理机构：	南京智造力知识产权代理有限公司
代理人：	王军丽
分类号：	G01N21/359;G01N1/28;G;G01;G01N;G01N21;G01N1;G01N21/359;G01N1/28
申请人地址：	212013 江苏省镇江市京口区学府路301号
主权项：	1.一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，包括如下步骤： S1，采用近红外光谱仪对眉茶样本的光谱数据进行采集，获取眉茶样本的近红外漫反射光谱数据； S2，采用多元散射校正(MSC)对光谱数据进行预处理，消除光谱数据中的散射影响； S3，采用主成分分析算法对S2中预处理后的眉茶近红外光谱数据降维，压缩光谱数据的维数； S4，采用一种模糊判别分析方法提取S3中压缩数据的鉴别信息； S5，采用一种基于新距离测度的模糊聚类方法进行聚类分析，得出鉴别结果。 2.根据权利要求1所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S1的具体实现包括：选取特级一等、特级二等、特级三等共三个等级的眉茶，每个等级各60个样本，共有180个样本；用电子秤称取茶叶样品3.0g，将茶叶样品放入烧杯中，向烧杯中倒入150ml 100℃的热水，当茶汤冷却到室温，过滤茶渣，用吸液枪吸出少量茶汤放入石英盘中，用近红外光谱仪对茶汤进行测量。 3.根据权利要求2所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S1的具体实现还包括：环境温度和湿度保持相对不变，Antaris II近红外光谱分析仪开机预热1个小时，采用反射积分球模式采集茶叶近红外光谱，近红外光谱分析仪扫描每个样品32次以获取样品的漫反射光谱均值，光谱扫描的波数为10000～4000cm-1，扫描间隔为3.857cm-1，采集到每个茶叶样品的光谱是1557维的数据，每个样本采样3次，取其平均值作为后续模型建立的实验数据。 4.根据权利要求1所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S3的具体实现包括：将S2中预处理后的光谱用主成分分析法计算特征以及特征向量，将获得前6个最大特征值(73.25,2.52,2.46,0.07,0.03,0.01)对应的特征向量作为光谱数据的投影降维向量，从而将1557维的眉茶近红外光谱数据降维至6维。 5.根据权利要求1所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S4的具体实现包括： S4.1，初始化：将经过主成分分析降维后的眉茶光谱数据分为训练样本和测试样本。训练样本数ntr、测试样本数nte、权重指数m和类别数c，其中m>1； S4.2，计算训练样本xk隶属于第i(1≤i≤c)类的模糊隶属度uik：其中，c为类别数；m为权重指数；为训练样本第i类的均值，/>为训练样本第j类的均值； S4.3，计算训练样本矩阵Hfb和矩阵Hfw如下: 为第i类模糊隶属度矩阵，i＝1,2,…,c，/>为第i类训练样本模糊矩阵，/>为第i类模糊聚类中心矩阵，/>为训练样本总体均值； S4.4，计算S4.3中矩阵Hfb的QR分解：Hfb＝QR。构造矩阵矩阵 S4.5，计算特征分解：Mfw-1Mfbα＝αλ，α和λ分别为上面方程所求的特征向量和所对应的特征值，所求的特征向量组成矩阵A，则可得转换矩阵P＝QA； S4.6，将S4.1的训练样本和测试样本分别投影到S4.5的转换矩阵P上： zk＝PTxk， xk为S4.1的第k(k＝1,2,…,ntr)个训练样本；为第k(k＝1,2,…,nte)个测试样本；zk是xk投影到转换矩阵P上得到的第k个训练样本；/>是/>投影到转换矩阵P上得到的第k个测试样本。 6.根据权利要求5所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S4.1中，训练样本数ntr＝42、测试样本数nte＝18、权重指数m＝2和类别数c＝3；所述S4.3中计算结果如下：所述S4.4的计算结果如下：所述S4.5的计算结果如下： 7.根据权利要求5或6所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S5的实现是采用一种基于新距离测度的模糊聚类方法对S4.6的测试样本进行聚类分析；具体过程如下： S5.1，初始化参数：设置权重指数m1的值；类别数c，其中m1>1；设置循环初始值r0，循环最大次数rmax；设置迭代精度ε；以S4.6的训练样本zk的第i类均值作为初始聚类中心 S5.2，对S4.6的测试样本运行模糊C均值聚类(FCM)，得到其模糊隶属度uik,FCM和类中心vi,FCM，以FCM的类中心vi,FCM作为可能C均值聚类(PCM)的初始聚类中心，根据模糊隶属度uik,FCM和类中心vi,FCM计算PCM参数ηi，对S4.6的测试样本/>运行PCM，得到其典型值tik,PCM；计算第i类参数σi如下： S5.3，计算模糊隶属度μik如下： S5.5，计算类中心如下迭代终止后，根据计算所得到的模糊隶属度对眉茶品质进行分类。 8.根据权利要7所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S5.1中，设置m1为2.0，类别数c＝3，循环初始值r0＝1，循环最大次数rmax＝100，设置迭代精度ε＝0.00001。 9.根据权利要8所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S5.1中，三个类别的初始聚类中心分别是：v1(0)＝[-0.4043-0.1371]，v2(0)＝[0.84290.0015]，v3(0)＝[-0.4408 0.1143]。 10.根据权利要8所述的一种模糊聚类分析的眉茶品质等级鉴别方法，其特征在于，所述S5.2中，σ1＝0.0303，σ2＝0.0559，σ3＝0.0484。
所属类别：	发明专利