模糊非相关鉴别C均值聚类的茶叶傅里叶红外光谱分类

摘要：

茶是一种让人喜爱的健康饮品,不同品种的茶叶其功效和作用是不相同的.研究出一种可靠、简单易行、分类速度快的茶叶品种鉴别方法具有重要的意义.在模糊非相关判别转换(FUDT)算法和模糊C均值聚类(FCM)算法的基础上提出了一种模糊非相关鉴别C均值聚类(FUDCM)算法.FUDCM可以在聚类过程中动态提取光谱数据的模糊非相关鉴别信息.用FTIR-7600型傅里叶红外光谱分析仪分别采集优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶的傅里叶中红外光谱,波数范围为4001.569～401.1211 cm-1.先用多元散射校正(MSC)进行光谱预处理,然后用主成分分析法(PCA)将光谱数据降维到20维,再利用线性判别分析(LDA)提取光谱数据中的鉴别信息.最后分别运行FCM和FUDCM进行茶叶品种鉴别.实验结果表明:当权重指数m=2时,FCM的聚类准确率为63.64％,FUDCM的聚类准确率为83.33％;FCM经过67次迭代计算实现了收敛,而FUDCM仅需17次迭代计算就可以实现收敛.用傅里叶红外光谱技术结合主成分分析、线性判别分析和FUDCM的方法能快速、有效地实现茶叶品种的鉴别分析,且鉴别准确率比FCM更高.

关键词：红外光谱、茶叶、主成分分析、模糊非相关判别转换、模糊C均值聚类

所属期刊栏目：38

分类号：O657.3(分析化学)

资助基金：国家自然科学基金项目31471413;江苏高校优势学科建设工程项目PAPD,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[2014]181号

在线出版日期：2018-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1719-1723