茶叶傅里叶红外光谱的可能模糊K调和均值聚类分析

作     者：武斌 王大智 武小红 贾红雯 WU Bin;WANG Da-zhi;WU Xiao-hong;JIA Hong-wen

作者机构：滁州职业技术学院信息工程系安徽滁州239000 江苏大学京江学院江苏镇江212013 江苏大学电气信息工程学院江苏镇江212013 江苏大学机械工业设施农业测控技术与装备重点实验室江苏镇江212013 

基　　金：国家自然科学基金项目(31471413) 安徽省高等教育振兴计划人才项目"高校优秀青年人才支持计划"(皖教秘人181号) 江苏省2017年大学生实践创新训练计划项目(201713986001Y) 安徽省2016年质量工程项目(2016ckjh137)资助 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2018年第38卷第3期

页      码：745-749页

摘      要：茶叶的品种不同,其有机化学成分含量往往不同,其功效也是不尽相同的,因此,研究出一种简单、高效、识别率高的茶叶品种鉴别技术方法是十分有必要的。中红外光谱技术是一种快速检测技术,在用中红外光谱仪采集得到的茶叶中红外光谱中含有噪声信号。为了对含噪声茶叶中红外光谱的准确分类以实现茶叶品种分类,将可能模糊C-均值聚类(PFCM)思想应用到K调和均值(KHM)聚类,设计出一种可能模糊K调和均值(PFKHM)聚类算法,计算出PFKHM的模糊隶属度、典型值和聚类中心。可能模糊K调和均值聚类能有效解决K调和均值聚类的噪声敏感性问题。用傅里叶红外光谱分析仪(FTIR-7600型)分别对三种茶叶(优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰)进行扫描以获取它们的傅里叶中红外光谱。光谱波数区间是4 001.569~401.121 1cm^(-1)。先采用主成分分析法(PCA)将光谱数据压缩到20维,再采用线性判别分析(LDA)将光谱数据压缩到两维并提取鉴别特征信息。最后分别用K调和均值聚类和可能模糊K调和均值聚类实现茶叶品种分类。实验结果:当权重指数m=2,q=2和p=2时,KHM具有91.67%的聚类准确率,PFKHM聚类准确率达到94.44%;KHM迭代12次达到收敛,而PFKHM迭代11次就可以达到收敛。采用傅里叶红外光谱技术检测茶叶,用主成分分析和线性判别分析压缩光谱数据,再用可能模糊K调和均值聚类进行品种分类可快速、准确地实现茶叶品种的鉴别。

主 题 词：茶叶 红外光谱 主成分分析 K调和均值聚类 可能模糊K调和均值聚类 

学科分类：081704[081704] 07[理学] 08[工学] 0817[工学-轻工类] 0804[工学-材料学] 070302[070302] 0703[理学-化学类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3964/j.issn.1000-0593(2018)03-0745-05

馆 藏 号：203284771...