1.一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，包括如下步骤：S1，牛奶近红外光谱数据采集：利用近红外光谱仪对牛奶样本的光谱数据进行采集，获取牛奶样本的近红外漫反射光谱数据；

S2，利用最小二乘平滑滤波算法(SG)对光谱数据进行预处理，消除光谱数据中的噪声和散射影响；

S3，利用主成分分析算法对牛奶近红外光谱数据降维，压缩光谱数据的维度；

S4，利用一种模糊线性判别分析方法初步提取主成分分析降维后光谱数据的模糊类内散布矩阵中列空间与零空间中的鉴别信息，分隔不同类别的光谱数据；

S5，利用一种模糊线性判别分析方法提取光谱数据的模糊类内散布矩阵中除零空间以外空间中的鉴别信息，进一步分隔不同类别的光谱数据；

S6，牛奶样本的产地鉴别：利用K近邻分类器判定牛奶样本的产地，实现牛奶的产地鉴别。

2.根据权利要求1所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，所述步骤S1中近红外光谱仪采用便携式的NIR‑M‑R2光谱仪，利用该光谱仪采集所述牛奶样本近红外光谱的方法：将NIR‑M‑R2光谱仪开机预热半个小时，采用漫反射方式采集牛奶样本的近红外光谱数据，采集过程中要求环境的温度和湿度保持不变，光谱仪扫描的波长范围为900‑1700nm，对每个牛奶样本采集3次光谱数据后取平均值作为最终的近红外光谱数据，采集得到的每个样本的近红外光谱数据为228维；最终共采集得到300个样本数据。

3.根据权利要求1所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，所述步骤S2的实现方法：利用最小二乘平滑滤波算法对采集得到的光谱数据进行处理，消除光谱数据中的噪声和光谱散射影响，最小二乘平滑滤波算法的参数设置为：多项式阶次order＝6，框长度framelen＝23。

4.根据权利要求1所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，所述步骤S3的实现方法：利用主成分分析计算样本协方差矩阵的特征值和特征向量，对特征值按照降序的次序进行排序，取前12个最大的特征值所对应的特征向量组成变换矩阵，利用该变换矩阵到近红外光谱数据进行变换，将光谱数据由228维压缩至12维。

5.根据权利要求4所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，所述S3还包括：将降维后的光谱数据按照3∶1的比例分成训练集样本和测试集样本，训练集的样本个数为225，测试集的样本个数为75。

6.根据权利要求1所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，所述步骤S4的实现方法：

S4.1，初始化：设经过主成分分析降维后的牛奶光谱数据矩阵为X，样本个数为n，类别数为c，权重指数为m，其中m＞1；

S4.2，计算训练集样本的模糊隶属度μij：μij代表第j(1≤j≤n)个训练样本xj隶属于第i(1≤i≤c)类的程度，是第i类样本的平均值；

S4.3，计算训练集样本的模糊全散布矩阵Sft：其中 是所有样本的平均值， 本发明采用 来求模糊全散布矩阵Sft，其中

T c×1

ec＝[1,1,...,1]∈R ，S4.4，对Aft进行奇异值分解，能够得到利用Uft对原始的数据矩阵进行变换，得到变换后的数据矩阵Y＝UftX；

S4.5，利用变换得到的数据矩阵Y求模糊类间散布矩阵Sfb和模糊类内散布矩阵Sfw，其中：

和 分别是是变换后数据矩阵Y的样本数据，第i类样本的平均值以及数据矩阵Y的平均值；

S4.6，对Afw进行奇异值分解可以得到S4.7，计算t＝rank(Sft)，w＝rank(Dfw)；

当t＝w时，此时模糊类内散布矩阵的逆矩阵 为：但是当w＜t时，此时模糊类内散布矩阵的逆矩阵 为其中Dα＝αIt×t‑Dfw，α＝max(diag(Dfw))；

S4.8，求变换矩阵W，其中矩阵W中的向量ω需要满足 因此对 矩阵做特征分解，求得 矩阵的特征值和特征向量，按照降序对特征值进行排序，取c‑1个最大特征值所对应的特征向量组成变换矩阵W，利用变换矩阵W对光谱数据进行特征提取。

7.根据权利要求1所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，所述步骤S5的实现方法：

S5.1，初始化：设变换矩阵W特征提取处理后的牛奶光谱数据矩阵为Z，样本个数为n，类别数为c，权重指数为m，其中m＞1；

S5.2，计算训练集样本的模糊隶属度uij：uij代表第j(1≤j≤n)个训练样本zj隶属于第i(1≤i≤c)类的程度，是第i类样本的平均值，是所有样本的平均值；

S5.3，计算训练集样本的模糊类内散布矩阵Hfw和模糊类间散布矩阵Hfb：S5.4，对矩阵Hfb进行特征分解，得到Hfb的特征值矩阵Λ和特征向量矩阵V；

S5.5，取矩阵V的前c‑1个特征向量组成变换矩阵P；

T

S5.6，利用求得的变换矩阵P对模糊类间散布矩阵Hfb进行对角化，得到Db＝PHfbP；

S5.7，令矩阵

T T

S5.8，对矩阵QHfwQ进行特征分解，求得矩阵QHfwQ的特征值矩阵E和特征向量矩阵R；

‑1/2 T T

S5.9.求变换矩阵为T＝E RQ ，利用变换矩阵T实现对光谱数据中鉴别信息的进一步提取。

8.根据权利要求1‑7任一项所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，当牛奶是光明(黑龙江)，蒙牛(河南)，特仑苏(河北)，伊利(内蒙古)和金典(宁夏)时，计算的特征值为λ1＝334.91，λ2＝21.91,λ3＝1.31,λ4＝0.86,λ5＝0.65,λ6＝0.44,λ7＝

0.39,λ8＝0.32,λ9＝0.23,λ10＝0.18，λ11＝0.14，λ12＝0.12。

9.根据权利要求8所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，当鉴别的牛奶是光明(黑龙江)，蒙牛(河南)，特仑苏(河北)，伊利(内蒙古)和金典(宁夏)时，

10.根据权利要求8所述的一种模糊线性判别分析的牛奶产地溯源方法，其特征在于，当鉴别的牛奶是光明(黑龙江)，蒙牛(河南)，特仑苏(河北)，伊利(内蒙古)和金典(宁夏)时，