1.一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其特征在于，包括如下步骤：步骤1、获取茶叶样本的近红外漫反射光谱；

步骤2、预处理茶叶样本的近红外漫反射光谱；

步骤3、提取茶叶样本的分类鉴别信息：利用一种模糊正交线性鉴别分析的茶叶近红外光谱鉴别信息提取方法从步骤2中已预处理过的茶叶近红外漫反射光谱数据中提取茶叶品种的鉴别信息，得到包含鉴别信息的训练样本和测试样本；

所述步骤3的实现方法包括如下步骤：

3.1，给定一个有标记的训练样本数据矩阵 d为样本维数，n为训练样本数量，Sft，Sfb，Sfw分别为该训练样本集的模糊总体散射矩阵，模糊类间散射矩阵和模糊类内散射矩阵：c为类别数，m为权重指数，xi为第i个茶叶近红外漫反射光谱训练样本，i＝1,2,…,n，x为训练样本集的总体样本均值，uij为样本xi属于第j类的模糊隶属度，j＝1,2,...,c，vj为样本集中第j类样本的样本均值；

3.2，构造矩阵Hft，Hfb，Hfw，使之满足

T

3.3，将矩阵Hft以Hft＝GΣS的形式进行奇异值分解，其中矩阵G和S都为正交矩阵，G＝[G1G2]， 矩阵 Σt为对角矩阵， t＝rank(Hft)；

3.4，定义矩阵B， 其中矩阵 为矩阵Σt的逆矩阵，矩阵 为矩阵G1的转置T矩阵，并将矩阵B以B＝PAO的形式进行奇异值分解，其中矩阵P和O都为正交矩阵，矩阵A为对角阵；

3.5，构造矩阵Y， 同时将矩阵Yq以Yq＝QR的形式进行QR分解，其中矩阵Yq为矩阵Y的前q列组成的矩阵，q＝rank(Hfb)，矩阵Q为上三角矩阵， 矩阵R为正交矩阵，

3.6，最终得到模糊正交线性鉴别分析的特征投影矩阵W＝Q，将步骤2的测试集中的第k个测试样本yk转换为zk＝ykQ，其中n1为测试样本数，k＝1,2,…,n1；

步骤4、识别茶叶样本的种类：使用K近邻分类算法(KNN)将步骤3中蕴含茶叶样本品种鉴别信息的测试样本zk分类，k＝1,2,…,n1，以确定所测茶叶样本的种类。

2.根据权利要求1所述的一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其特征在于，所述步骤1的实现方法：采用Antaris II傅里叶变换近红外光谱分析仪获取茶叶样本的近红外漫反射光谱数据；具体方法如下：首先，将Antaris II傅里叶变换近红外光谱分析仪开机预热1个小时；其次，设置光谱‑1 ‑1 ‑1扫描的波数范围、扫描间隔、扫描次数分别为4000cm ～10000cm 、3.857cm 、32；最后，采用Antaris II傅里叶变换近红外光谱分析仪的积分球漫反射模式获取茶叶样本的近红外漫反射光谱数据，所获得的茶叶光谱数据为1557维的高维数据。

3.根据权利要求2所述的一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其特征在于，还包括：保持采集环境的温度、湿度相对恒定。

4.根据权利要求1所述的一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其特征在于，所述步骤2的实现方法：运用多元散射校正(MSC)对收集到的茶叶样本的近红外漫反射光谱数据进行预处理，再将经预处理后的茶叶样本数据随机分配到两个样本集中；

所述两个样本集为训练集和测试集。

5.根据权利要求1所述的一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其特征在于，在提取茶叶样本的分类鉴别信息之前，还包括初始化类别数c、权重指数m、聚类中心V以及模糊隶属度U。

6.根据权利要求5所述的一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其特征在于，所述类别数c＝4、权重指数m＝1.5。

7.根据权利要求5所述的一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其特征在于，所述模糊隶属度的初始值 的计算方法如下：式中xi为第i个茶叶近红外漫反射光谱训练样本， 为第k类的初始类中心，k＝1,2,3,

4。