[發(fā)明專利]一種基于生物數(shù)據(jù)的數(shù)據(jù)分析方法

有效

• 申請?zhí)枺?/td>: 201811360788.1
• 申請日: 2018-11-15
• 公開（公告）號: CN109597901B
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計(jì)）人: 黃海輝;戴經(jīng)國;梁勇;陳燕琴
• 申請（專利權(quán)）人: 韶關(guān)學(xué)院
• 主分類號: G06F16/45
• 分類號: G06F16/45;G06K9/62
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 顏希文;麥小嬋

1.一種基于生物數(shù)據(jù)的數(shù)據(jù)分析方法，其特征在于，包括：

建立數(shù)據(jù)格式池，將生物數(shù)據(jù)通過所述格式池進(jìn)行過濾，剔除錯(cuò)誤格式的生物數(shù)據(jù)；

獲取生物數(shù)據(jù)，建立樣本數(shù)據(jù)庫；

對所述樣本數(shù)據(jù)庫中的生物數(shù)據(jù)進(jìn)行特征提取處理，形成屬性不同的若干個(gè)聚類，建立聚類庫；

提取所述聚類庫中的數(shù)據(jù)建立高維模型；

將需要進(jìn)行實(shí)驗(yàn)的生物數(shù)據(jù)通過高維模型進(jìn)行過濾，獲得可行數(shù)據(jù)；

所述對所述樣本數(shù)據(jù)庫中的生物數(shù)據(jù)進(jìn)行特征提取處理，形成屬性不同的若干個(gè)聚類，建立聚類庫，包括：

提取所述樣本數(shù)據(jù)庫中的生物數(shù)據(jù)，使用統(tǒng)計(jì)方法將各個(gè)生物數(shù)據(jù)進(jìn)行分析提取概念關(guān)鍵詞；

利用層次聚類算法計(jì)算所述概念詞之間的相似度，使之聚成一類，形成具有等級關(guān)系的聚類；

建立聚類庫，將形成的所有聚類儲存在聚類庫中。

2.如權(quán)利要求1所述的方法，其特征在于，所述統(tǒng)計(jì)方法包括：串頻統(tǒng)計(jì)方法和信息熵統(tǒng)計(jì)方法。

3.如權(quán)利要求1所述的方法，其特征在于，所述利用層次聚類算法計(jì)算所述概念詞之間的相似度，使之聚成一類，形成具有等級關(guān)系的聚類，包括：

將提取出來的每一個(gè)概念關(guān)鍵詞單獨(dú)列成一個(gè)類；

利用相似度算法計(jì)算類與類之間的相似度；

將計(jì)算出相似度大的類合并成一個(gè)聚類，直到所有單獨(dú)列成的類完成合并；

對已經(jīng)完成合并的聚類繼續(xù)執(zhí)行上述步驟，繼續(xù)進(jìn)行聚類間合并，直至形成一個(gè)具有等級關(guān)系的聚類。

4.如權(quán)利要求3所述的方法，其特征在于，所述相似度算法包括Dice系數(shù)和皮爾遜相關(guān)性公式。

5.如權(quán)利要求1所述的方法，其特征在于，所述提取所述聚類庫中的數(shù)據(jù)建立高維模型，包括：

建立訓(xùn)練數(shù)據(jù)庫和測試數(shù)據(jù)庫，將聚類庫中的數(shù)據(jù)分別儲存到所述訓(xùn)練數(shù)據(jù)庫和所述測試數(shù)據(jù)庫；

建立高維模型，將所述訓(xùn)練數(shù)據(jù)庫中數(shù)據(jù)傳輸?shù)礁呔S模型中進(jìn)行訓(xùn)練；

數(shù)據(jù)訓(xùn)練完成后，將所述測試數(shù)據(jù)庫中數(shù)據(jù)傳輸?shù)礁呔S模型中進(jìn)行測試，獲得經(jīng)過優(yōu)化處理后的高維模型。

6.如權(quán)利要求5所述的方法，其特征在于，所述將所述訓(xùn)練數(shù)據(jù)庫中數(shù)據(jù)傳輸?shù)礁呔S模型中進(jìn)行訓(xùn)練，還包括：當(dāng)訓(xùn)練的次數(shù)達(dá)到訓(xùn)練閾值或訓(xùn)練的準(zhǔn)確度達(dá)到預(yù)設(shè)的訓(xùn)練準(zhǔn)確值后，停止訓(xùn)練；所述將所述測試數(shù)據(jù)庫中數(shù)據(jù)傳輸?shù)礁呔S模型中進(jìn)行測試，還包括：當(dāng)測試的次數(shù)達(dá)到測試閾值或測試的準(zhǔn)確度達(dá)到預(yù)設(shè)的測試準(zhǔn)確值后，停止測試。

7.如權(quán)利要求6所述的方法，其特征在于，所述訓(xùn)練閾值為20萬次，所述訓(xùn)練準(zhǔn)確值為90％；所述測試閾值為20萬次，所述測試準(zhǔn)確值為90％。

8.如權(quán)利要求1所述的方法，其特征在于，所述數(shù)據(jù)格式池包括數(shù)字格式、圖片格式、字符格式和算法字符。