模糊識別理論在光譜數(shù)據(jù)中的應(yīng)用

趙廣宇，趙鵬飛，高斌，盧昱欣

（長春理工大學(xué)理學(xué)院，長春　130022）

模糊識別理論在光譜數(shù)據(jù)中的應(yīng)用

趙廣宇，趙鵬飛，高斌，盧昱欣

（長春理工大學(xué)理學(xué)院，長春130022）

基于模糊模式識別理論，探析模糊模式識別方法在血液光譜數(shù)據(jù)識別中的應(yīng)用，實現(xiàn)了對動物血液熒光光譜的特征提取與分類識別。在實驗中，本文依據(jù)待處理樣品光譜本身具有的模糊特性，運用模糊模式識別方法對光譜數(shù)據(jù)進行處理，并結(jié)合Matlab程序設(shè)計了分類效果較好的模糊分類器。實驗結(jié)果表明，模糊識別方法在光譜數(shù)據(jù)中具有較強的識別能力，在光譜數(shù)據(jù)中具有較好的檢測前景。

模糊識別；分類；光譜

識別作為人類最基本也是最本能的活動之一，時時刻刻發(fā)生在我們的身邊。然而隨著科技的進步，為了適應(yīng)當今社會，人們迫切希望利用機器代替人們完成復(fù)雜的識別工作。模糊識別的出現(xiàn)給了人們提供了研究方向，現(xiàn)在模式識別不僅在人工智能研究領(lǐng)域中占有重要比重，同時也是實現(xiàn)機器智能必不可少的技術(shù)手段［1］。在人們解決實際問題具有指導(dǎo)意義和應(yīng)用價值［2］。近年來，隨著光譜技術(shù)的快速發(fā)展，加快了對生命科學(xué)的應(yīng)用，促進了醫(yī)學(xué)等學(xué)科的發(fā)展，相應(yīng)的光譜識別技術(shù)也越來越受到人們的重視［3-5］。如：通過主成分分析和模糊聚類對光譜的樣本聚類識別方法［6］、自適應(yīng)最小距離算法［7］等分類識別方法。本文選取較為熟悉的四種動物血液，結(jié)合Zadah［8］在1965年提出模糊集理論對其光譜進行研究與分析，重點探析模糊識別方法在血液光譜數(shù)據(jù)識別中的應(yīng)用。隨著理論的發(fā)展和完善，模式識別必將發(fā)揮更大的作用。

1　實驗

1.1實驗儀器

光譜儀的參數(shù)為：儀器（Cary Eclipse）、儀器序列號（MY13450002），采樣類型（熒光）、掃描模式（發(fā)射）、激發(fā)波長（200nm）、激發(fā)狹縫（5nm）、發(fā)射狹縫（10mm）、掃描速度（600.00nm/min）。

1.2實驗的內(nèi)容

（1）對不同樣品全血光譜進行分析處理；

（2）運用模糊模式識別方法對光譜進行分類識別；

（3）建立識別效果較好的分類器，并應(yīng)用Matlab完成光譜分類識別的計算機程序設(shè)計。

1.3數(shù)據(jù)的預(yù)處理

光譜儀上測量到的光譜數(shù)據(jù)不僅包含有用信號，還包含噪聲，其表現(xiàn)為光譜圖上的毛刺，且具有高頻特征，如圖1所示，這些毛刺的存在，不利于特征提取，因此需要消除這些毛刺對特征的影響，在這里我們采用數(shù)據(jù)平滑方法對原始光譜進行處理［9］。常用的數(shù)據(jù)平滑方法有快速傅里葉變換、小波變換去噪和鄰域平均值法。

鄰域平均值法不僅在算法上易實現(xiàn)，而且，鄰域平均值法可以快速平滑圖像，且能有效地消除噪聲對圖像的干擾程度［10］，因而，在本次實驗中我們采用了鄰域平均值法對動物血液光譜數(shù)據(jù)進行平滑處理。

鄰域平均值法就是通過選取固定的點數(shù)，將各點的縱坐標值相加求和再除以點數(shù)，得到這組數(shù)劇的平均縱坐標值。然后，去掉這組數(shù)據(jù)中左端一個點，向前移動一個采樣點，重復(fù)上述操作，得到下一個值。如此反復(fù)，就可以得到整個曲線的平滑后的數(shù)據(jù)，其數(shù)學(xué)表達式為：

其中，k=m+1，m+2，…，n-m；2m+1為平滑窗口寬度，即2m+1點移動平均。

例如，當m=1時，為三點移動平均。

在這里，yk-j是不同點的數(shù)據(jù)值；Yk為以k點為中心的2m+1個數(shù)的平均值。對于光譜平滑處理，光譜兩端的數(shù)據(jù)沒有可用信息，對平滑結(jié)果也沒有影響，故可不做端點處理。

下圖為由光譜儀采集的四種動物全血1%濃度的波長和強度的光譜數(shù)據(jù)，結(jié)合matlab軟件所做出的原始數(shù)據(jù)光譜圖像。

圖1　原始數(shù)據(jù)光譜圖像

從圖中可以分析出理想白噪聲的平滑處理效果，隨m的增大而大大改善。但隨著m增大時，信號波形會受平滑處理的影響而產(chǎn)生偏移。所以說m取值并不是越大越好，盡管在那時譜線越趨光滑，但譜線的細微特征也將會平滑掉，造成光譜譜線形狀畸變，所以需要選擇合適的m值。實驗表明，對血液光譜進行五點一次平滑即可得到較好的平滑效果，如圖2所示。因此，在實際處理中對光譜進行了五點一次平滑。

圖2　平滑處理后光譜圖像

1.4特征提取與選擇

在模式識別中，特征提取與選擇是模式識別的關(guān)鍵。在特征空間中如果同類模式分布比較聚集，不同類模式分布疏遠，分類識別就比較容易，正確率較高。在模式識別中，人們希望依據(jù)最少的特征達到所要求的分類識別的正確率。這就是特征提取與選擇的任務(wù)。首先要制定特征提取與選擇的準則，可直接反映類內(nèi)間距離的函數(shù)作為準則，或直接以誤判概率最小作為準則，也類別判決函數(shù)作為準則，還可以構(gòu)造與誤判概率有關(guān)的判據(jù)來刻畫特征對分類識別的貢獻或有效性.

常用的特征提取途徑有如下兩種：

（1）實際用于分類識別的特征數(shù)目d給定后，直接從已獲得的n個原始特征中選取d個特征x1，x2，...，xd，使可分性判據(jù)的值滿足下式：

其中J（xi1，xi2，...，xid）是原始特征的任意d個特征，即直接選取n維特征空間中的d維子空間。這類方法被稱為直接選擇法［11］。

（2）在使判據(jù)J取最大的目標下，對n個原始特征進行降維變換，再取子空間。這類方法稱為變換法，主要有：基于可分性判據(jù)的特征提取選擇，基于誤判概率的特征提取選擇，離散K-L變換法，基于決策界的特征提取選擇等方法。

對血液光譜特征的提取與選擇，采用了直接選擇法。圖2為預(yù)處理后四類樣品血液光譜曲線。譜線在487nm，605nm，747nm附近有明顯的波峰，且不同樣品的峰值有所不同，故提取此三處附近的波峰進行分析處理。

經(jīng)分析，四種樣品光譜曲線在487nm，605nm，747nm附近的波峰有明顯的區(qū)別，取每類樣品的前三十組，再對各特征參數(shù)作散點圖，如圖3、4、5所示。

圖3　峰值比特征散點

圖4　仰角特征散點圖

圖5　峰值斜率特征散點圖

1.5分類器的設(shè)計

1.5.1分類器設(shè)計的原理

模糊模式識別方法是通過建立隸屬函數(shù)，來實現(xiàn)特征量的操作和變換，模仿人腦判別不確定性事物的機理，充分利用冗余信息，有效處理各種不確定性信息，提高識別系統(tǒng)的可靠性和智能程度［12］。

這里采用模糊模式識別的方法對血液熒光光譜進行分類識別，基于最大隸屬度原則設(shè)計動物血液光譜分類器。隨機選取ni（）i=1，2，...，c個樣本作為訓(xùn)練樣本集，c表示樣本種類數(shù)，并根據(jù)所提取的特征，計算每類的聚類中心νi。

νi的計算公式如下：

由每個種類樣本的聚類中心，即可得到一種分類模式。

1.5.2分類隸屬函數(shù)的確立

在模糊識別技術(shù)中，隸屬函數(shù)的優(yōu)良決定了分類器的性能好壞，因此通過某一種方法建立隸屬函數(shù)，對識別的效果起著決定性的因素。而常用的方法有專家確定法、統(tǒng)計法、綜合加權(quán)法等。本文依據(jù)待分類樣本的特征點到聚類模式中心的距離確定隸屬函數(shù)。

隸屬函數(shù)的數(shù)學(xué)表達式如下：

其他

表1　隸屬度

2　結(jié)果與討論

2.1分類確定

最大隸屬度原則：預(yù)設(shè)分類判定閾值λ=0.7，若待分類樣本的隸屬度函數(shù)φ）〉λ，則對該樣本進行分類識別，且將樣本歸為φ）值最大的那一類.每次識別完成后將識別類加入訓(xùn)練樣本集，并重新計算聚類中心，從而形成新的分類模式。

利用上面設(shè)計的分類器，取每類樣本的前三十個樣本作為訓(xùn)練樣本集，得到如下四個聚類中心：（0.7123，0.1643），（0.6068，0.2209），（0.3078，0.1102），（1.0046，0.3651），取每類樣本的后十個樣本作為識別樣本，得到每個樣本對各類的隸屬度如表1所示（其中1-10為羊、11-20為鼠、21-30為雞、31-40為鴿）

2.2本文識別結(jié)果

由以上數(shù)據(jù)可得，分類器對四種樣品全血光譜數(shù)據(jù)的分類正確識別率如表2所示。

表2　識別正確率

可知，基于模糊模式識別方法，通過以上設(shè)計的模糊模式分類器及隸屬函數(shù)，對動物血液發(fā)射光譜的識別達到了令人滿意的效果。根據(jù)本次的實驗結(jié)果，我們可以明確地得到模糊模式識別方法在光譜識別上有較好的應(yīng)用前景。

3　結(jié)論

本文重點探析了模糊模式識別理論及其在光譜數(shù)據(jù)中的應(yīng)用。由于客觀事物在形態(tài)及類屬方面的不分明性，使得彼此之間沒有明確的分界線。因此，對于本身具有模糊性的事物，采用模糊識別的方法進行分類識別更加符合現(xiàn)實。文中對動物血液發(fā)射光譜進行了分析處理，運用模糊模式識別的方法對光譜數(shù)據(jù)進行了分類識別，從完成情況可以分析出我們得到的是一個識別正確率較好的分類器，有一個較為滿意的結(jié)果，從而豐富了模糊模式識別的應(yīng)用范圍。

目前所做的各種光譜識別方法都是針對某一種特定光譜，沒有可以運用的較為統(tǒng)一的方法和理論，應(yīng)用面很狹小，有很大的局限性，因此找到適應(yīng)性更好的光譜識別技術(shù)也是我們努力的方向。

［1］孫即祥.現(xiàn)代模式識別［M］.長沙：國防科技大學(xué)出版社，2002.

［2］Duda.R.O，Hart.P.E.Pattern classification and scene analysis［J］.Journal of the RoyalStatistical Society，1973，6（4）：312-345.

［3］M.Gniadecka，H.C.Wulf and N.Nymark Mortensenetal.Diagnosisofbasalcellcarcinomabyraman spectroscopy［J］.JournalofRamanSpectroscopy，1997，28（2）：125-129.

［4］Roel J.Erckens，Massoud Motamedi，Wayne F.March. Raman Spectroscopy for non-invasive characterization of ocular tissue：potential for detection of bio-logicalmolecules［J］.Journal of Raman Spectroscopy，1997，28（3）：293-299.

［5］丁小平，孟超，王建林.人血清吸收光譜的研究［J］.光譜學(xué)與光譜分析，1999，19（2）：225-226.

［6］褚小立，袁洪福，陸婉珍.光譜結(jié)合主成分分析和模糊聚類方法的樣品聚類與識別［J］.分析化學(xué)，2000，28（4）：421-427.

［7］朱建華，劉政凱，俞能海.一種多光譜遙感圖象的自適應(yīng)最小距離分類方法［J］.中國圖象圖形學(xué)報，2000，5（1）：21-24.

［8］Zadeh LA.Fuzzy sets［J］.Information control，1965，5（8）：338-353.

［9］孫長森，林鈞岫.譜數(shù)據(jù)峰值的一種實時平滑算法［J］.數(shù)據(jù)采集與處理，1996，25（2）：157-159.

［10］孫苗鐘.基于MATLAB的振動信號平滑處理方法［J］.電子測量技術(shù)，2007（6）：55-57.

［11］羅磊.基于模糊模式識別的光譜分類研究［D］.鄭州大學(xué)，2006.

［12］劉普寅，吳孟達.模糊理論及其應(yīng)用［M］.長沙：國防科技大學(xué)出版社，1998.

Fuzzy Recognition Theory in the Spectral Data

ZHAO Guangyu，ZHAO Pengfei，GAO Bin，LU Yuxin
（School of Science，Changhun University of Science and Technology，Changchun 130022）

Based on the theories of fuzzy pattern recognition，this paper analyzes the application of the fuzzy pattern recognition method in blood spectrum data identification，achieves the extraction and classification of animal blood characteristic fluorescence spectrum.In this trial，we use fuzzy pattern recognition method to deal with sample spectrum on the basis of the fuzzy characteristics of the sample spectrum itself，and design fuzzy classifiers combined with Matlab programming which can reach an ideal classification effect.The results show that the fuzzy recognition method has a higher identification ability to the spectral data and good prospects in the detection of spectral data.

fuzzy recognition；classification；spectrum

O657.3

A

1672-9870（2016）04-0138-05

2016-03-25

國家自然科學(xué)基金（11326078）

趙廣宇（1980-），男，碩士，講師，E-mail：zgywshzyz@126.com