1.一种混合模糊C均值聚类的苹果品种分类方法,其特征在于，包括以下步骤：步骤1，采集苹果样本的近红外光谱；

步骤2，对近红外光谱进行降维处理；

步骤3，用混合模糊C均值聚类方法对苹果品种进行分类处理，根据得到模糊隶属度，对苹果品种进行分类；所述步骤3混合模糊C均值聚类方法得到模糊隶属度的具体过程为：步骤3.1，初始化过程：

设置权重指数m，m>1，类别数c，设置循环计数r的初始值和最大迭代次数为rmax，设置迭代最大误差参数ε，运行模糊C均值聚类得到的模糊隶属度值uik,FCM和类中心值vi,FCM分别作为初始的模糊隶属度值uik(0)和类中心值νi(0)；

步骤3.2，计算第r次迭代时的模糊隶属度值uik(r)：

其中，uik是样本xk隶属于类别i的模糊隶属度值；n为测试样本数，r＝1,2,…,rmax；参数γi：其中，uik,FCM为模糊C均值聚类迭代计算终止后得到的模糊隶属度值，vi,FCM为模糊C均值聚类迭代计算终止后得到的第i，i＝1,2,3,…,c个类中心值，xk为第k个苹果测试样本；

(r-1)

其中，vi是第i类的类中心值，i＝1,2,3,…,c，νi 是第r－1次迭代计算的类中心vi的值；vj是第j类的类中心值，j＝1,2,3,…,c，νj(r-1)是第r－1次迭代计算的类中心vj的值；Dik为第k个苹果测试样本与第r－1次迭代计算的第i类的类中心之间的欧式距离；Djk为第k个苹果测试样本与第r－1次迭代计算的第j类的类中心之间的欧式距离；

步骤3.3，计算第r次迭代时的第i类的类中心值νi(r)

其中，νi(r)是第r次迭代计算的类中心vi的值，由c个类中心组成类中心矩阵V(r)＝[ν1(r),ν2(r),…,νc(r)]；

步骤3.4，循环计数增加，即r＝r+1；

若满足条件：||V(r)-V(r-1)||＜ε或r>rmax则计算终止，否则继续步骤3.2，迭代终止后得到模糊隶属度值并根据模糊隶属度值对苹果品种分类。

2.根据权利要求1所述的一种混合模糊C均值聚类的苹果品种分类方法，其特征在于，所述步骤1中采集苹果样本的近红外光谱，用近红外光谱仪采集不同品种苹果样本的傅里叶近红外光谱信息。

3.根据权利要求2所述的一种混合模糊C均值聚类的苹果品种分类方法，其特征在于，所述步骤1所述近红外光谱采用Antaris II傅里叶红外光谱分析仪。

4.根据权利要求1所述的一种混合模糊C均值聚类的苹果品种分类方法，其特征在于，所述步骤2中对苹果样本近红外光谱采用主成分分析方法PCA进行压缩降维处理。

5.根据权利要求4所述的一种混合模糊C均值聚类的苹果品种分类方法，其特征在于，所述步骤2在满足主成分的累计可信度≥98％条件下选取主成分个数。