论文部分内容阅读
茶叶中含有的茶多酚、咖啡碱和可溶性固形物等化学成分有益于身体健康。例如,茶多酚可抑制动脉硬化,降低心脑血管的发病率,咖啡碱可使胃液的分泌量增加,促进消化等,因此,茶成为人们最喜爱的健康饮品之一。茶叶种类繁多,一般很难通过外观对其区分。本文采用傅里叶变换红外光谱技术(FTIR)结合模式识别统计分析方法对茶叶进行分类鉴别研究。主要内容如下:首先,利用模糊集理论的无监督学习方法,将线性判别分析扩展为模糊算法,研究出一种模糊Fisher线性判别分析算法。该算法可以得到一组最优非相关鉴别向量,这组最优非相关鉴别向量不仅满足瑞利商方程,也满足样本到模糊非相关鉴别向量上的投影非相关。为后续研究茶叶傅里叶变换红外光谱分类模型提供依据。其次,利用傅里叶变换红外光谱结合主成分分析、模糊Fisher线性判别分析、模糊C-均值聚类研究出模糊非相关鉴别C-均值聚类模型和模糊鉴别C-均值聚类分析模型。用4000~400cm-1范围内的二阶导数光谱结合研究的两种模型对三种茶叶进行分类。结果表明:模糊鉴别C-均值聚类分析模型的正确率高于模糊非相关鉴别C-均值聚类分析的正确率,达到95.45%。最后,为了研究出一种正确率更高、收敛速度更快的茶叶品种分类方法,将模糊C-聚类算法的模糊隶属度作为学习速率,使模糊C-均值聚类算法集成到Kohonen聚类网络算法中,建立模糊鉴别Kohonen聚类分析模型。该模型不仅可以自动控制学习速率分布、更新邻域,也可以在聚类过程中动态提取鉴别信息和压缩数据维数。利用此模型对茶叶品种进行分类的准确率为99.94%,结果表明此模型用于傅里叶变换红外光谱技术中能够快速准确地识别三种不同的茶叶品种。研究结果表明,傅里叶变换红外光谱结合模式识别分析方法能够快速、准确地鉴别不同品种的茶叶,为茶叶的分类鉴别研究提供了快速、准确的方法。