[發明專利]玉米良種選育方法

有效

• 申請號: 201210521228.6
• 申請日: 2012-12-07
• 公開（公告）號: CN103020864A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 邱建林;顧翔;陳建平;季丹;陳燕云;卞彩峰
• 申請（專利權）人: 南通大學
• 主分類號: G06Q50/02
• 分類號: G06Q50/02
• 代理公司: 南通市永通專利事務所 32100
• 代理人: 葛雷

1.一種玉米良種選育方法，其特征是：包括下列步驟：

(1)?選取樣本集

選取原始玉米樣本集中的多個子類玉米、多個重要屬性作為分析對象，以應用融合的數據挖掘算法；

(2)?橫向降維

1)?標準化所選樣本集；

2)?計算所選擇的多個屬性的相關系數矩陣，分析相關系數矩陣，并標記關聯屬性集M1；

3)通過計算系數因子，可得到主成分的前幾列系數矩陣，并標記關聯屬性集M2；

4)合并關聯屬性集M1、M2中相關的集合，得到幾組相關性較強的屬性組，且每一組屬性組中的屬性也分別高關聯；

5)?根據所得的關聯屬性組，選擇相應的主成分式子，并根據屬性在主成分式子中的系數因子，確定該屬性在相應成分中所占的比重，作為權重，可得新的特征值集合，用于后續算法的處理；

(3)?縱向約簡

1)?異常點檢測；檢測新的特征集中超過[-1.5，1.5]范圍的特殊樣本點，并進行異常分析；

2)?劃分網格；利用網格技術，選擇劃分參數，對新形成的特征集合進行網格劃分，代替原先的等份劃分；?

3)?改進的k-means方法，分別對劃分的網格中的數據點進行改進的k-means進行聚類；

該改進k-means算法如下：首先通過最遠距離來實現初始聚類中心的選擇，其次再對數據集進行傳統k-means?算法的聚類；

4)?合并局部簇類，形成最終的聚類結果。

對于網格中聚類得到的很多小的簇類，采用原始CURE?聚類算法的merge方法，用固定數目個代表點代替原始單一的數據點，通過堆這一數據結構查找最近的簇類，進而合并上一步得到的小型簇類，得到最終的聚類結果；

(4)?分類預測

1)?輸入判斷屬性；

輸入一個玉米判斷屬性，對此樣本點進行橫向降維處理，得到新的特征值組，對樣本點進行后續的決策樹分析；

2)?確定分類屬性；

3)?設置默認的規模閾值；

4)?連續屬性離散化；

將特征值按數值由小到大排序，當對應樣本的分類屬性發生變化時，則將上下兩個樣本極為劃分點。通過計算每個劃分點的期望，找出值最小的劃分點，則可確定為最優劃分閾值；

5)?決策樹根節點的確定；

A.?按C4.5分類規則進行根節點的確定；

6)?最終決策樹的建立；

按照第4、5?步的方法，繼續建立決策樹的下層子樹，直到所有的樣本點都分類完畢為止，由此可得最終的分類決策樹；

7)?最優玉米雙親的確定

根據最終的決策樹模型，根據歐幾里德距離，選擇與該樣本點最為相似的一個玉米品種，并將該品種的父類玉米作為培育良種的最優雙親。