【技术实现步骤摘要】
本专利技术涉及数据处理，具体是指一种智能杀菌检测方法及装置。
技术介绍
1、传统的杀菌检测方法通常是基于生物学或化学方法，例如通过培养菌株、观察病斑形态等来判断植物是否受到病菌的感染。然而，这些传统方法存在耗时、耗力、复杂等缺点，且结果可能受到主观因素的影响，导致检测结果的可靠性和准确性有限。基于聚类的杀菌检测方法是一种新兴的检测方法，它利用聚类分析技术对植物样本进行分析和分类。聚类分析是一种无监督学习方法，通过将相似的样本聚集在一起，将不同的样本分开，从而找到潜在的样本群体或簇。
2、但是一般聚类杀菌检测方法存在由同一基础聚类生成的聚类的质量可能完全不同，评估策略需要访问原始数据，效率很大程度上取决于数据集的数据分布，从而导致无法准确评估每一个簇的稳定性的问题；一般聚类杀菌检测方法存在无法准确度量聚类可靠性，从而导致合并聚类时的准确性低的问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种智能杀菌检测方法及装置，针对一般聚类杀菌检测方法存在由同一基础聚类生成的聚类的质量可能完全不同，评估策略需要访问原始数据，效率很大程度上取决于数据集的数据分布，从而导致无法准确评估每一个簇的稳定性的问题，本方案将基础聚类的可靠性引入局部加权集成聚类算法中，基于不同基础聚类之间的互信息、基础聚类的数量和熵设计一致性指数，更准确地评估不同基础聚类的一致性，避免聚类数量过多或熵过大对一致性指数的干扰，得到更准确的一致性评估结果；针对一般聚类杀菌检测方法存在无法
2、本专利技术采取的技术方案如下：本专利技术提供的一种智能杀菌检测方法，该方法包括以下步骤：
3、步骤s1：数据采集；
4、步骤s2：数据预处理；
5、步骤s3：预定义；
6、步骤s4：计算一致性指数；
7、步骤s5：基于可靠性的聚类合并；
8、步骤s6：杀菌检测。
9、进一步地，在步骤s1中，所述数据采集是采集杀菌物质的浓度数据、杀菌物质的杀菌效果数据、反应时间数据、环境参数数据和ph值数据；
10、所述杀菌物质的浓度数据是基于液相色谱法测量杀菌物质在不同条件下的浓度数据；所述杀菌物质的杀菌效果数据是测试杀菌物质对目标菌种的杀菌后，培养基上的菌落计数、生长曲线和细胞活力指标；所述反应时间数据是指在杀菌物质作用后，目标菌种停止生长所需的时间；所述环境参数数据是杀菌环境的温度和湿度。
11、进一步地，在步骤s2中，所述数据预处理是对采集的数据进行数据清洗、数据转换、数据标准化和数据平衡处理；
12、所述数据清洗是对采集到的数据进行清洗，处理数据存在的异常值、缺失值和错误数据，检查是否有菌落计数为负数和异常高的值；所述数据转换是基于one-hot编码将数据转换为向量；所述数据标准化是基于z-score标准化对转换后的数据进行标准化处理；所述数据平滑是使用过采样的方法来平衡数据集。
13、进一步地，在步骤s3中，所述预定义具体包括以下步骤：
14、步骤s31：定义数据点集合，x={x1，…，xn}是包含n个数据点的集合；其中，x1和xn分别是第1个和第n个数据点；
15、步骤s32：定义基础聚类集合，π={π1，…，πm}是包含m个基础聚类的集合；m是基础聚类的数量，其中，π1和πm分别是第1个和第m个基础聚类；
16、步骤s33：定义聚类结果，πm={cm1，…，cmnm}是第m个基础聚类的聚类结果；nm是πm生成的聚类数量，其中，cm1和cmnm分别是πm生成的第1个和第nm个聚类；
17、步骤s34：定义聚类表示，c={c1，...，cnc}是π中的所有聚类表示；nc是π中的聚类数量，其中，c1和cnc分别是π中第1个和第nc个聚类。
18、进一步地，在步骤s4中，所述计算一致性指数具体包括以下步骤：
19、步骤s41：集成聚类初始化，基于不同聚类方法对数据点生成基础聚类，得到多个初始聚类结果；
20、步骤s42：基于基础聚类计算每个聚类的熵，所用公式如下：
21、；
22、式中，是第m个基础聚类中第i个聚类的熵；是第m个基础聚类中第j个聚类；∩表示聚类交集；表示聚类中数据点的数量；nm是聚类数量；
23、步骤s43：基于聚类集合计算每个簇的熵，所用公式如下：
24、；
25、式中，是对于聚类集合，簇ci的熵；m是基础聚类的个数，m是基础聚类索引；
26、步骤s44：计算基础聚类的一致性指数，所用公式如下：
27、；
28、式中，是一致性指数；πm和πn分别是第m个和第n个基础聚类；mi(·)是互信息；h(·)是熵。
29、进一步地，在步骤s5中，所述基于可靠性的聚类合并具体包括以下步骤：
30、步骤s51：引入聚类的基本聚类标签值，将可靠性值分配给聚类，表示如下：
31、；
32、式中，ncai(·)是可靠性值；是对于所有基础聚类取一致性指数最大的值；是第m个基础聚类中第i个聚类；
33、步骤s52：计算两级聚类熵，所用公式如下：
34、；
35、式中，是改进后聚类的熵；α是调整基础聚类有效性对原始聚类影响的参数；是所有聚类中第i个聚类；
36、步骤s53：计算聚类可靠性，在获得两级聚类熵之后，将聚类的熵转化为确定性，所用公式如下：
37、；
38、式中，reci(·)是聚类可靠性；θ是控制熵影响度的参数；
39、步骤s54：建立聚类相似度矩阵，表示如下：
40、；
41、；
42、；
43、；
44、式中，a是聚类相似度矩阵；aij是矩阵元素；是权重项，表示第m个基础聚类第i个数据点所属聚类的可靠性值；cls(·)是取所属聚类的函数；是聚类一致性；n是矩阵维度；
45、步骤s55：区域合并，将聚类相似度矩阵作为初始相似矩阵；预先设有相似度阈值，不断合并相似度最高的区域，直到所有相似度低于相似度阈值；作为得到最终的聚类结果。
46、进一步地，在步骤s6中，所述杀菌检测是实时采集杀菌物质的浓度数据、实时反应时间数据、实时环境参数数据和实时ph值数据；在进行预处理后作为实时数据，将步骤s1采集的数据作为历史数据；实时数据与历史数据共同聚类，将历史数据的杀菌效果作为簇标签选择标准，将实时数据所属的簇标签作为实时数据的杀菌效果检测结果。
47、本专利技术提供的一种智能杀菌检测本文档来自技高网...
【技术保护点】
1.一种智能杀菌检测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤S5中，所述基于可靠性的聚类合并具体包括以下步骤：
3.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤S3中，所述预定义具体包括以下步骤：
4.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤S1中，所述数据采集是采集杀菌物质的浓度数据、杀菌物质的杀菌效果数据、反应时间数据、环境参数数据和pH值数据；
5.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤S2中，所述数据预处理是对采集的数据进行数据清洗、数据转换、数据标准化和数据平衡处理；
6.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤S6中，所述杀菌检测是实时采集杀菌物质的浓度数据、实时反应时间数据、实时环境参数数据和实时pH值数据；在进行预处理后作为实时数据，将步骤S1采集的数据作为历史数据；实时数据与历史数据共同聚类，将历史数据的杀菌效果作为簇标签选择标准，将实时数据所属的簇标签作为实时数
7.一种智能杀菌检测装置，用于实现如权利要求1-6中任一项所述的一种智能杀菌检测方法，其特征在于：包括数据采集模块、数据预处理模块、预定义模块、一致性指数计算模块、聚类合并模块和杀菌检测模块；
...【技术特征摘要】
1.一种智能杀菌检测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤s5中，所述基于可靠性的聚类合并具体包括以下步骤：
3.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤s3中，所述预定义具体包括以下步骤：
4.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤s1中，所述数据采集是采集杀菌物质的浓度数据、杀菌物质的杀菌效果数据、反应时间数据、环境参数数据和ph值数据；
5.根据权利要求1所述的一种智能杀菌检测方法，其特征在于：在步骤s2中，所述数据预处理是对采集的数据进行数据清...
【专利技术属性】
技术研发人员：吴纯丽，钟善良，陈绍良，李婉春，杨冰，
申请(专利权)人：厦门爱逸零食研究所有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。