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：江苏大学

摘要：本发明公开了一种QR模糊鉴别分析的生菜近红外光谱分类方法，首先获取待分类生菜样本的近红外线光谱数据；对生菜的近红外线光谱数据进行预处理，消除散射影响；对S2中预处理后的近红外线光谱数据进行降维处理，并将降维处理后的近红外线光谱数据划分为生菜样本训练集和生菜样本测试集；采用QR模糊鉴别分析方法提取出降维处理后的近红外线光谱数据的鉴别信息；基于p范数距离测度的模糊聚类方法对测试样本进行分类。本发明的分类方法通过QR模糊鉴别分析提取生菜近红外线光谱的分类信息数据，再用QR分解方法使特征空间正交化，消除投影空间中特征向量之间的相关性，降低模糊聚类对噪声数据的敏感性；实现对生菜的快速、准确、无损的安全检测。

主权项：1.一种QR模糊鉴别分析的生菜近红外光谱分类方法，其特征在于，包括如下步骤：S1，获取待分类生菜样本的近红外线光谱数据；S2，对生菜的近红外线光谱数据进行预处理，消除散射影响；S3，对S2中预处理后的近红外线光谱数据进行降维处理，并将降维处理后的近红外线光谱数据划分为生菜样本训练集和生菜样本测试集；S4，采用QR模糊鉴别分析方法提取出降维处理后的近红外线光谱数据的鉴别信息；S5，基于p范数距离测度的模糊聚类方法对测试样本进行分类；所述S4中采用QR模糊鉴别分析方法提取近红外线光谱数据的鉴别信息的方法为：S4.1,初始化生菜样本训练集的训练样本数ntr、生菜样本测试集的测试样本数nte、权重指数m和类别数c，其中m＞1；S4.2，对降维处理后的训练样本矩阵进行QR分解，得到：A＝QR；其中，为实数矩阵集合；d为训练样本的维数；为一个维数是d×ntr的实数矩阵； 为一个维数是ntr×ntr的实数矩阵：S4.3，对训练样本矩阵A中的第k个训练样本yk进行QR分解，xk为QR分解后的第k个训练样本，表示为：xk＝ykQS4.4,计算训练样本xk隶属于第i类的模糊隶属度uik： 其中，c为类别数；m为权重指数；vi为训练样本第i类的均值，vj为训练样本第j类的均值；S4.5，计算训练样本模糊类间离散矩阵SfB和模糊类内离散度矩阵SfW: 其中，表示m已知时，训练样本xk隶属于第i类的模糊隶属度；为训练样本的总均值，S4.6,根据训练样本模糊类间离散矩阵SfB和模糊类内离散度矩阵SfW，计算出模糊类内离散度矩阵SfW的逆矩阵[SfW]-1与模糊类间离散矩阵SfB乘积矩阵的特征值γ和特征向量ψ，表示为：[SfW]-1SfBψ＝γψ，其中，ψ和γ分别为逆矩阵[SfW]-1与模糊类间离散矩阵SfB乘积矩阵的特征向量和特征值；S4.7,将第t个测试样本yt′进行如下变换，t＝1,2,…,nte：zt＝yt′Qψ其中，zt为基于矩阵Q与特征向量ψ对测试样本yt′进行变换后求得的待分类样本数据；nte为测试样本数。

全文数据：

权利要求：

百度查询： 江苏大学 一种QR模糊鉴别分析的生菜近红外光谱分类方法