[发明专利]一种基于层级式支持向量机的作物育种评价方法

说明书

技术领域

本发明涉及作物育种技术领域，更为具体来说，本发明为一种基于层级式支持向量机的作物育种评价方法。

背景技术

目前，作物育种评价是作物育种技术的重要环节，即：从培育品种中评价、选择满足育种目标的优良品种；客观且全面的评价是对育种效果的有效保证。随着我国粮食生产形势的转变，作物育种评价技术已经从依靠育种家的经验为主的阶段向数据化、信息化的育种评价阶段转变。现有的作物育种评价方法包括基于决策树的育种评价方法，构建相应的评价模型，将育种家在历史试验中的选育评价结果引入评价模型的构建中，利用决策树方法来辅助育种家完成部分育种评价工作。但是这种育种评价方法仍然存在如下问题。

(1)主观性过强：现有的方法必须依靠育种家的经验作为评价育种品种的等级依据，而不同的育种人员对同一植株很可能会有不同的评价，所以现有方法存在主观性太强、无法客观评价育种品种的问题。

(2)全面性不足：现有的方法仅能够针对一个植株的某个性状进行评价，无法将品种性状特征的多样性考虑在内，从而得出的评价结果必然是片面的、不合理的。

(3)工作量繁重：现有的方法对评价模型的参数调整往往依靠专家经验进行反复调试，直至获得相对满意的解为止，而这个过程耗时耗力、投入人力和资金成本非常大。

因此，在尽可能地减少人力、物力投入的情况下，如何准确、客观、全面地完成作物育种评价工作，已成为了本领域技术人员亟待解决的技术问题和始终研究的重点。

发明内容

为解决现有作物育种评价方法存在的主观性强、全面性差、工作量大、准确率低等问题，本发明创新提出了一种基于层级式支持向量机的作物育种评价方法，将品种的多种性状特征考虑在内，进行全方面、多角度地分析作物育种的性状数据，并给出客观、准确的评价结果，以有效地解决现有技术存在的诸多问题。

为实现上述技术目的，本发明公开了一种基于层级式支持向量机的作物育种评价方法，该方法包括如下步骤；

步骤1，将待评价的品种的性状数据进行划分，从而得到丰产性相关数据、稳产性相关数据及抗病性相关数据；

步骤2，利用决策支持层支持向量机分别对丰产性相关数据、稳产性相关数据及抗病性相关数据进行处理，从而生成待评价品种的丰产性的预测数据、稳产性的预测数据及抗病性的预测数据，共三维数据；

步骤3，利用目标层支持向量机分别对丰产性的预测数据、稳产性的预测数据及抗病性的预测数据进行处理，从而得到待评价的品种的评价结果，且所述评价结果包括优质和劣质。

本发明创新地采用层级式支持向量机处理相关数据，从丰产性、稳产性及抗病性三个角度分析育种品种的性状数据，从而能够实现全面、客观地对品种进行合理评价。

进一步地，步骤2中，所述决策支持层支持向量机按照如下的方式进行数据处理：将是否达到丰产性作为分类依据，通过对所述丰产性相关数据进行分类和判断的方式得到丰产性的预测数据；将是否达到稳产性作为分类依据，通过对所述稳产性相关数据进行分类和判断的方式得到稳产性的预测数据；将是否达到抗病性作为分类依据，通过对所述抗病性相关数据进行分类和判断的方式得到抗病性的预测数据。

进一步地，步骤3中，所述目标层支持向量机按照如下的方式进行数据处理：将是否达到优质的标准作为分类依据，对待评价品种的丰产性的预测数据、稳产性的预测数据及抗病性的预测数据进行分类和判断，从而确定各待评价的品种的评价结果为优质或劣质。

进一步地，还包括对决策支持层支持向量机和目标层支持向量机进行训练的过程，该过程包括如下步骤：

S1，通过待训练的支持向量机对输入的训练集数据进行测试，以获得分类错误率和支持向量数；

S2，基于遗传算法模型的方法，利用所述分类错误率、所述支持向量数及训练集中数据的数目计算适应度函数值；

S3，判断所述适应度函数值是否达到预设阈值；如果是，则将当前的误差惩罚参数和核函数参数分配给待训练的支持向量机使用；如果否，则更新误差惩罚参数和核函数参数、返回步骤S1。

进一步地，步骤S1中，为待训练的支持向量机设置初始误差惩罚参数和初始核函数参数，再通过待训练的支持向量机对输入的训练集数据进行10折交叉验证，以获得分类错误率和支持向量数；其中，所述分类错误率为预测错误的品种数目与训练时使用的品种数目的比值。

进一步地，步骤S2中，通过如下方式计算适应度函数值：