買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉甘肅農(nóng)業(yè)大學(xué)申請的專利基于聚類處理的根蛆類害蟲分類方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119622425B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510158320.8，技術(shù)領(lǐng)域涉及：G06F18/24；該發(fā)明授權(quán)基于聚類處理的根蛆類害蟲分類方法及系統(tǒng)是由茍玉萍;毛亮;楊烜藝;馬小龍;黎世杰;師林志;司麗設(shè)計(jì)研發(fā)完成，并于2025-02-13向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于聚類處理的根蛆類害蟲分類方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了基于聚類處理的根蛆類害蟲分類方法及系統(tǒng)，方法包括：數(shù)據(jù)采集、特征提取、聚類分析、生成聚類報告和制定害蟲防治策略。本發(fā)明屬于農(nóng)業(yè)害蟲防治技術(shù)領(lǐng)域，具體是指基于聚類處理的根蛆類害蟲分類方法及系統(tǒng)，本方案采用進(jìn)行特征多指標(biāo)融合，用無限特征選擇方法確定特征權(quán)重并調(diào)整以減少信息冗余，使用拐點(diǎn)檢測算法進(jìn)行特征分層，基于特征權(quán)重進(jìn)行概率提取，避免低權(quán)重特征過度被忽略且保持高權(quán)重特征的提取優(yōu)先級；初始化隸屬度和懲罰因子，計(jì)算聚類中心和目標(biāo)函數(shù)，提出基于兩個變量的加權(quán)多核模糊聚類算法，優(yōu)化隸屬度，優(yōu)化聚類結(jié)構(gòu)，減少聚類結(jié)果對初始值的依賴，衡量聚類結(jié)果和實(shí)際情況的一致性。

本發(fā)明授權(quán)基于聚類處理的根蛆類害蟲分類方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于聚類處理的根蛆類害蟲分類方法，其特征在于：該方法包括以下步驟：步驟S1：數(shù)據(jù)采集，得到經(jīng)過預(yù)處理后的根蛆類害蟲數(shù)據(jù)；步驟S2：特征提取，具體為進(jìn)行特征多指標(biāo)融合，從計(jì)算樣本特征標(biāo)準(zhǔn)差、判別準(zhǔn)則和共同信息三個方面綜合考量，采用無限特征選擇方法確定特征權(quán)重，使用拐點(diǎn)檢測算法進(jìn)行特征分層，基于特征權(quán)重進(jìn)行概率提取；步驟S3：聚類分析，具體為采用初始化隸屬度和懲罰因子，計(jì)算聚類中心和目標(biāo)函數(shù)，提出基于兩個變量的加權(quán)多核模糊聚類算法，優(yōu)化隸屬度，衡量聚類結(jié)果和實(shí)際情況的一致性；步驟S4：生成聚類報告，具體為生成害蟲聚類報告；步驟S5：制定害蟲防治策略；在步驟S2中，所述特征選擇，包括以下步驟：步驟S21：特征多指標(biāo)融合，對經(jīng)過預(yù)處理后的根蛆類害蟲數(shù)據(jù)進(jìn)行特征多指標(biāo)融合，將標(biāo)準(zhǔn)差、判別準(zhǔn)則和共同信息三個不同角度的指標(biāo)進(jìn)行綜合考量，包括以下步驟：步驟S211：計(jì)算樣本特征的標(biāo)準(zhǔn)差，所述標(biāo)準(zhǔn)差反映特征在樣本中的離散程度，通過標(biāo)準(zhǔn)差數(shù)據(jù)，初步衡量每個特征的離散特性，離散程度高的特征表示該特征的值在樣本中的變化較大，對根蛆類害蟲的分類更有幫助；步驟S212：計(jì)算判別準(zhǔn)則，用于衡量不同類別之間特征的可區(qū)分性，所用公式如下： ；式中，表示第i個特征在第一類樣本中的均值，表示第i個特征在第二類樣本中的均值，表示第i個特征在第一類樣本中的標(biāo)準(zhǔn)差，表示第i個特征在第二類樣本中的標(biāo)準(zhǔn)差，表示第i個特征在兩類樣本之間的可區(qū)分性；所述第一類樣本和第二類樣本是根據(jù)害蟲樣本的分類屬性預(yù)先設(shè)定的兩個不同類別；步驟S213：計(jì)算共同信息，所述共同信息反映特征與類別之間的關(guān)聯(lián)程度，所用公式如下： ；式中，表示第i個特征和類別標(biāo)簽之間的共同信息，Y表示類別標(biāo)簽集合，y表示類別標(biāo)簽，表示第i個特征的具體取值，f表示特征的取值集合，表示聯(lián)合概率分布，表示特征和類別標(biāo)簽同時出現(xiàn)的概率，表示特征出現(xiàn)的概率，表示類別標(biāo)簽出現(xiàn)的概率；步驟S22：確定特征權(quán)重，采用無限特征選擇方法對每個特征的標(biāo)準(zhǔn)差、判別準(zhǔn)則值和共同信息進(jìn)行線性加權(quán)，分析特征之間的相關(guān)性，根據(jù)特征之間的相關(guān)性和冗余性對特征權(quán)重進(jìn)行調(diào)整；步驟S23：特征分層，用于在分類的過程中合理分配不同重要性的特征，充分利用高權(quán)重特征的同時保留次要特征的潛在貢獻(xiàn)，通過最大化特征權(quán)重曲線中每個點(diǎn)到直線的垂直距離來定位拐點(diǎn)坐標(biāo)，所用公式如下： ；式中，表示拐點(diǎn)的坐標(biāo)，表示求出使表達(dá)式值最大的特征索引i，h1表示連接曲線起點(diǎn)和終點(diǎn)的直線的斜率，h2表示連接曲線起點(diǎn)和終點(diǎn)的直線的截距，表示曲線上的特征點(diǎn)，表示特征權(quán)重的值；步驟S24：基于特征權(quán)重進(jìn)行概率提取，用于在特征提取過程中，保持多樣性的同時反映特征的重要性，所用公式如下： ；式中，表示第i個特征被提取的概率，表示第i個特征的權(quán)重，N表示特征的總數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人甘肅農(nóng)業(yè)大學(xué)，其通訊地址為：730070 甘肅省蘭州市安寧區(qū)營門村1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。