一种近红外光谱的分类方法
【技术领域】
[0001] 本发明属于光谱分析领域，尤其设及一种近红外光谱的分类方法。
【背景技术】
[0002] 利用近红外光谱进行物质判别分类是光谱分析的一个重要应用方向，目前已有多 种方法实现光谱数据的分类，最终达到判定物质类别属性的目的。据参考文献的报道，聚类 分析、神经网络、判别分析、贝叶斯决策、支持向量机等方法已经成功应用于农业、医药、食 品等产品的光谱快速分析领域。而在工程实际应用中，由于训练建模样本不足、样本分布不 均、噪声严重等情况，上述分类器或分类方法的性能就会下降。而目标特征物浓度过低，存 在外部干扰，检测基质过于混杂导致图谱混叠情况，可能导致分类失败，研究复杂环境下更 为有效的光谱分类特征信息提取方法并实现准确分类具有现实意义。
[0003] 随着稀疏理论的推广，利用信号稀疏特性的提取类别特征在图像处理领域已取得 了初步的研究成果，该成果用于人脸、遥感信息的分类识别有了初步成效，但现有基于稀疏 表达的分类（Sparse Representation-based Classifier,简称 SRC)非常繁琐。
【发明内容】
[0004] 鉴于此，本发明提供一种近红外光谱的分类方法，W解决现有技术计算方法繁琐 的技术问题。
[0005] 本发明实施例是该样实现的，一种近红外光谱的分类方法，所述方法包括W下步 骤：
[0006] 获取待分类近红外光谱样本，并根据所述待分类近红外光谱样本获取验证集样 本；
[0007] 通过稀疏降维方法利用校正集样本获取最优分类分割面，并使所述校正集和验证 集光谱向最优分类分割面投影，完成光谱的压缩变换；
[0008] 根据所述投影通过变换压缩获取所述验证集样本的目标校正集样本，将所述目标 校正集样本作为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本集进行 分类。
[0009] 进一步的，所述根据所述投影通过变换压缩获取所述验证集样本的目标校正集样 本，将所述目标校正集样本作为所述验证集样本的学习字典，并根据所述学习字典对所述 验证样本集进行分类的步骤，具体为：
[0010] 根据验证集样本与校正集样本的距离确定目标校正集样本，将所述目标校正集样 本作为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本集进行分类。
[0011] 进一步的，所述根据验证集样本与校正集样本的距离确定目标校正集样本，将所 述目标校正集样本作为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本 集进行分类的步骤，具体为：
[0012] 将所述验证集样本与预设的校正集样本进行距离比较，选择距离最近的校正集样 本作为目标校正集样本；
[0013] 获取所述验证集样本在所述目标校正集样本下的稀疏表示系数；
[0014] 根据所述稀疏表示系数计算所述验证集样本在所述目标校正集样本下的重构误 差；
[0015] 根据所述重构误差确定所述验证样本集的类别。
[0016] 进一步的，所述距离为：欧氏距离或马氏距离。
[0017] 进一步的，通过公式
【主权项】
1. 一种近红外光谱的分类方法，其特征在于，所述方法包括以下步骤： 获取待分类近红外光谱样本，并根据所述待分类近红外光谱样本获取验证集样本； 通过稀疏降维方法利用校正集样本获取最优分类分割面，并使所述校正集和验证集光 谱向最优分类分割面投影，完成光谱的压缩变换； 根据所述投影通过变换压缩获取所述验证集样本的目标校正集样本，将所述目标校 正集样本作为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本集进行分 类。
2. 如权利要求1所述的方法，其特征在于，所述根据所述投影通过变换压缩获取所述 验证集样本的目标校正集样本，将所述目标校正集样本作为所述验证集样本的学习字典， 并根据所述学习字典对所述验证样本集进行分类的步骤，具体为： 根据验证集样本与校正集样本的距离确定目标校正集样本，将所述目标校正集样本作 为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本集进行分类。
3. 如权利要求2所述的方法，其特征在于，所述根据验证集样本与校正集样本的距离 确定目标校正集样本，将所述目标校正集样本作为所述验证集样本的学习字典，并根据所 述学习字典对所述验证样本集进行分类的步骤，具体为： 将所述验证集样本与预设的校正集样本进行距离比较，选择距离最近的校正集样本作 为目标校正集样本； 获取所述验证集样本在所述目标校正集样本下的稀疏表示系数； 根据所述稀疏表示系数计算所述验证集样本在所述目标校正集样本下的重构误差； 根据所述重构误差确定所述验证样本集的类别。
4. 如权利要求3所述的方法，其特征在于，所述距离为：欧氏距离或马氏距离。
5. 如权利要求4所述的方法，其特征在于，通过公^
算所述欧氏 距离，通过公5
计算所述马氏距离， 其中xik为第i个光谱样本的第k个元素，V为校正集光谱的协方差矩阵，^为校正集样本 光谱的平均值。
6. 如权利要求1所述的方法，在所述获取所述验证集样本的目标校正集样本的步骤之 后，所述方法还包括以下步骤： 获取所述验证集样本在所述目标校正集样本下的稀疏表示系数； 根据所述稀疏表示系数确定目标原子，所述目标原子为根据所述稀疏表示系数的和计 算的属性最强的原子； 确定目标类别，并将所述验证集样本确定为所述目标类别，所述目标类别为目标原子 最多的类别。
7. 如权利要求1?6任一项所述的方法，其特征在于，所述待分类近红外光谱通过光获 取装置获取。
【专利摘要】本发明适用于光谱分析领域，提供了一种近红外光谱的分类方法，所述方法包括：获取待分类近红外光谱样本，并根据所述待分类近红外光谱样本获取验证集样本；通过稀疏降维方法利用校正集样本获取最优分类分割面，并使所述校正集和验证集光谱向最优分类分割面投影，完成光谱的压缩变换；根据所述投影通过变换压缩获取所述验证集样本的目标校正集样本，将所述目标校正集样本作为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本集进行分类。本发明实施例，省去了根据校正样本集训练学习字典的繁琐过程，提高了近红外光谱的分类效率。
【IPC分类】G06K9-62
【公开号】CN104616022
【申请号】CN201510016679
【发明人】周扬, 刘铁兵, 李津蓉, 施秧, 陈正伟
【申请人】浙江科技学院
【公开日】2015年5月13日
【申请日】2015年1月13日