[發明專利]農業育種大數據的深度挖掘與智能決策算法

在審

• 申請號: 202010108269.7
• 申請日: 2020-02-21
• 公開（公告）號: CN113298280A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 鮑義東;李江龍;鐘國榮
• 申請（專利權）人: 貴州航天智慧農業有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06F16/2458;G06F16/2455;G06N5/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.農業育種大數據的深度挖掘與智能決策算法，其特征在于，深度挖掘包括以下步驟：

S1：數據預處理階段：了解農業育種的技術特點，確定農業用戶的具體需求，并進行數據存儲；從原始數據庫中選取相關數據或樣本；檢查數據的完整性及一致性，消除噪聲數據；

S2：數據挖掘階段：確定要發現的知識類型，根據確定的目標選擇合適的數據挖掘算法，運用所選算法，提取相關知識并以一定的方式表示；

S3：知識評估與表示階段：對在數據挖掘過程中發現的模式進行評估；使用可視化和知識表示相關技術，呈現農業育種所挖掘的知識。

2.根據權利要求1所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，智能決策算法包括以下步驟：

S11：刻化數據庫中數據的一般特性；使用X、Y表示“數據庫中滿足條件的X記錄可能可滿足條件Y”，首先找到具備足夠支持度的項集，然后由頻繁項集構成關聯規則，并計算置信度；

S12：在當前數據上進行推斷和預測，推斷農業育種的技術發展；推算和預測采用演化分析法。

3.根據權利要求2所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述尋找頻繁項集的算法使用Apriori算法，首先計算頻繁1-項集；然后根據頻繁K-項集{p₁，p₂，……p_K},{q₁，q₂，……q_K}計算頻繁(K+1)-項集，其中p_i＝q_i,1≦i≦K-1,且該(K+1)-項集為{p_1′，p_2′，……p_K′q_K}；最后判定該(K+1)-項集是否頻繁即可。

4.根據權利要求2所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述置信度計算規則為：

count(AandB)為滿足條件A以及B的數據項目，count(A)為滿足條件A的數據項數目。

5.根據權利要求4所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述置信度的計算步驟包括：對于每一個頻繁項集S，計算S的所有非空子集，對于每個S的非空子集F，若大于給定置信度闕值，則

6.根據權利要求2所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述演化分析方法包括以下步驟：

S21：進行趨勢分析，確定趨勢的常用方法是計算數據n階的變化平均值；

S22：進行相似搜索，相似搜索用于找出與給定序列最接近的數據序列；

S23：進行序列模式挖掘：挖掘相對時間或其它維屬性出現頻率高的模式；

S33：挖掘具有周期的模式或者關聯規則。

7.根據權利要求1所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述數據預處理階段的數據采集包括植入土壤或暴露在空氣中的傳感器監控土壤性狀和環境狀況的數據、實驗室研究監測育種的發育狀況和健康狀況。

8.根據權利要求1所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述原始數據庫的數據通過物聯網傳輸到遠程控制中心并將數據通過分布式存儲橫向擴展結構進行大數據存儲；隨后通過分布式軟件架構并進行計算結構進行大數據處理。

9.根據權利要求8所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述大數據存儲時采用數據倉庫系統進行存儲，數據倉庫系統包括抽取數據與加載數據程序、整理并轉換數據程序、備份與備存數據程序以及管理所有查詢程序。

10.根據權利要求9所述的農業育種大數據的深度挖掘與智能決策算法，其特征在于，所述數據倉庫系統的大小大于100GB。