[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

本發明公開了農業育種大數據的深度挖掘與智能決策算法，涉及農業育種技術領域；為了解決數據挖掘計算出的置信度準確度不足問題；具體深度挖掘包括以下步驟：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；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。本發明通過數據挖掘的方法，可以得出環境溫度數據和土壤各項參數等因素是如何影響農作物種子發育的，從而能夠最大限度的提高農作物產量。

技術領域

本發明涉及農業育種技術領域，尤其涉及農業育種大數據的深度挖掘與智能決策算法。

背景技術

隨著科技的發展，運用大數據的先進技術對農業各主要生產領域在生產過程中采集的大量數據進行分析處理，進而提供“精準化”的農資配方、“智慧化”的管理決策和設施控制，達到農業增產、農民增收的目的是一個重要的技術手段。

經檢索，中國專利申請號為CN201910613961.2的專利，公開了一種基于無監督深度學習的農業大數據挖掘方法，包括：定義雙向深度遞歸神經網絡計算公式、定義深度雙向深度遞歸神經網絡計算公式、特征學習、數據預處理、最后得到預測值。上述專利中通過深度遞歸神經網絡把多個傳統神經網絡的隱藏層神經元連接起來，每個神經網絡表示某一時刻輸入輸出的一個模型，把多個連續時刻的模型連在一起，就可以結合前后時刻的內容來進行分析預測，以用于農業大數據的挖掘，填補現有技術在這一方面的空白；但是該方法在運用時，智慧化程度較低，數據挖掘計算出的置信度準確度不足。

發明內容

本發明的目的是為了解決現有技術中存在的缺點，而提出的農業育種大數據的深度挖掘與智能決策算法。

為了實現上述目的，本發明采用了如下技術方案：

農業育種大數據的深度挖掘與智能決策算法，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。

優選地：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。

優選地：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。

優選地：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。