基于聚类－决策树的玉米良种选育方法技术

本发明专利技术公开了一种基于聚类－决策树的玉米良种选育方法，包括数据预处理、建立决策树、根据形成的决策树，系统判断所输入的属性值属于哪个分类，并通过计算这个三维点和所属分类中其他点的距离，得到一个距离最小的点，这个点所具有的属性就是最接近于输入玉米品种的玉米属性，从子女表中查询出这个玉米品种的父类和母类，即完成玉米选育的功能。本发明专利技术结合聚类和决策树算法，可根据要求对玉米的生育信息、生长信息和收获信息等进行玉米良种的优选，可达到降低劳动强度，提高决策效率的目的。

【技术实现步骤摘要】

本专利技术涉及一种玉米良种选育方法。
技术介绍
聚类是一种常见的数据分析工具，是指用数学的方法研究和处理给定对象，是多 元统计分析的一种。基于物以类聚的思想，它把大量数据点的集合分成若干类或簇，使 得每个类中的数据之间最大程度地相似，而不同类中的数据最大程度地不同，从而发现全 局的分布模式以及数据属性之间的相互关系。聚类分析的一个突出特点是处理巨大、复杂 的数据集，而且还可作为其他算法的预处理步骤。目前常用的聚类算法还有k-平均、k-模、 k-中心点、DIANA、 AGNES、 STING、 COBWEB等。 这些经典的聚类算法只能处理简单的、一般的数据，对于大型的、复杂的数据集效 果欠佳，于是很多改进的和新的算法不断被提出。比如，有文献提出了一种进化的基于多中 心的动态聚类算法，其中簇的数目不用预先制定，对于不同的簇可选择多个中心点，且由两 个目标函数进行评估，提高了算法对于具有特殊特性和特殊分布的数据集的应用；CUZ算 法改进了代表点的计算，不仅能有效地鉴别非圆形、非矩形形状的数据，还可以处理表面非 凸起形状的簇；GriDBSCAN算法通过在数据空间构造网格，先局部采用密度算法，后聚合产 生真正的簇，大大提高了DBSCAN的效率，降低了复杂度。还有一些新的算法，比如Yu Wei 等人提出的凝聚层次聚类算法，采用了 84维的空间序列来表示对象，通过对由两两对象间 的皮尔森系数构成的矩阵进行凝聚，最终可获得较有效的系统树图；在种群算法和智能体 的基础上提出的较新颖的蚂蚁算法，不必事先规定簇的数目，并且可通过计算局部的对象 而非全部对象的方法来减少算法整个的计算量，能够发现任意形状的簇。 决策树方法是分类方法中应用较广泛的逻辑方法之一，它从一组无次序、无规则 的实例中推理出决策树表示形式的分类规则，它采用自顶向下的递归方式，利用信息论中 的互相信息(信息增益)寻找数据库中具有最大信息量的字段，建立决策树的一个结点，再 根据字段的不同取值检查树的分支，在每一个分支子集中，重复建立树的下层结点和分支 的过程。从决策树的根到叶节点的一条路径就对应着一条合取规则，整棵决策树就对应着 一组析取表达式。常用的方法有C4. 5、 ID3、CLS等。 目前已经提出了很多改进的决策树算法，比如Ding Rongtao等人在计算信息熵以 鉴别属性的相关度时引入了用户的兴趣参数以减少属性间的冗余，加快了信息熵减少的速 度；Fadila Bentayeb等人提出一种新的基于决策树的数据挖掘算法，通过在数据挖掘处理 之前对数据进行的预处理，建立一张可能性表，并对此实施新的ID3算法和信息增益公式， 简化了算法的复杂度，最终达到决策树分类的目的；关系分类方法RDC算法，使用ID数组传 播来更新多关系决策树，可防止建立过大冗余的关系表，有效地防止了信息的丢失，优化了 树结构，增强了算法的正确性。 信息技术已经在我国农业生产中得到广泛的应用，它大大推进了我国农业生产的 发展，成为发展现代农业生产的重要支撑力量。在玉米良种的选育方面，存储着大量信息，3如株高、穗高、全生育期、小区产量等，若能从中挖掘出正确的、可靠的、有用的规则，将对农 业的发展与改革产生指导性的作用。
技术实现思路
本专利技术的目的在于提供一种可根据要求对玉米的生育信息、生长信息和收获信息 等进行玉米良种的优选，可达到降低劳动强度，提高决策效率的基于聚类-决策树的玉米 良种选育方法。 本专利技术的技术解决方案是 —种基于聚类_决策树的玉米良种选育方法，其特征是包括下列步骤 (1)数据预处理将选择的三个属性对应成空间中的三维点，利用聚类算法中的k-平均算法，计算子女表中所有的记录点和重心之间的距离，比较大小，最终将所有的记录聚为两个簇，并使每个簇内的记录有较大的相似度，而不同的簇有较大的相异度； (2)建立决策树先离散化所选的三个属性的属性值，将它们分区成三类，并将千粒重作为分类属性，划分类别标记为低产、中产、高产，在输入全生育期、千粒重和小区产量这三个属性之后，根据欧氏距离公式 龟，,.,)《(Xf 即可判断这个三维点属于哪个聚类簇，得出结论后，对这个簇进行ID3算法的数 据挖掘，计算出全生育期属性和小区产量属性的信息增益值，并将具有较大增益的属性作 为测试属性，在测试属性分段的子节点处，引出分支，划分整个记录集，再依次进行即可形 成一个精简的决策树，其中属性Sk的信息增益公式为G(S《)=A》,)-￡ (丄x (- Z丄x tog 2 (丄))》 其中nj是总节点的出现次数， 是预测属性值为Vk的子节点的出现次数，nik是分 类属性为&的预测属性值为Vk的子节点的出现次数； (3)根据形成的决策树，系统判断所输入的属性值属于哪个分类，并通过计算这个 三维点和所属分类中其他点的距离，得到一个距离最小的点，这个点所具有的属性就是最 接近于输入玉米品种的玉米属性，从子女表中查询出这个玉米品种的父类和母类，即完成 玉米选育的功能。 本专利技术结合聚类和决策树算法，可根据要求对玉米的生育信息、生长信息和收获信息等进行玉米良种的优选，可达到降低劳动强度，提高决策效率的目的。 基于聚类_决策树的玉米良种选育方法是根据所输入的玉米属性要求，利用数据挖掘中聚类和决策树的算法，找出与该属性最相似相近的玉米品种，然后再从子女表中找出这该玉米品种的父类和母类，并将父类和母类的基本信息进行输出，从而获得输入的玉米属性要求的父类和母类的良种。 本玉米良种选育方法是基于计算机软件辅助实现，极大的减少了人工良种选育中 劳动强度，提高了玉米良种选育的决策效率和准确性。 下面结合附图和实施例对本专利技术作进一步说明。 附图说明图1是实施例的最终决策图。 图2是聚类算法描述图。 图3是决策树算法描述图。具体实施例方式①选择样本集； 原有样本集来自于某农业信息组2006年所选品种实验年终汇总(Y组)数据表。 由于原有样本集数据信息量大，玉米品种较多，为方便说明描述，现只选Y1-Y8这八条记录进行讨论，所列举的选取样本集如下表1所示。表1选择样本集 次平均值平均值产生的新新平均新平均数(簇l)(簇2)簇值值(簇l)(簇2)1(100，(101，{Yl， Y7} ， {(100，(跳33，200.8，269.8，Y2， Y3， Y4，213. 9，275. 23，6. 73)7. 83)Y5， Y6， Y8}6. 555)7. 67)2(100，(跳33，{Yl， Y6， Y7(100，(跳4，213. 9，275. 23，} ， {Y2， Y3， Y212. 87，288.12，76. 555)7. 67)4， Y5， Y8}6. 75) 782)3(100，(跳33，{Yl， Y6， Y7(100，(跳4，213. 9，275. 23，} ， {Y2， Y3， Y212. 87，288.12，76. 555)7. 67)4， Y5， Y8}6. 75) 782) 表2聚类全过程 玉米 品种代 码Period (周期)Weight (重Yield (产Yl100200. 86. 73Y2101269. 87. 83Y399287. 36. 70Y4101303. 57. 54Y51002本文档来自技高网...

【技术保护点】
一种基于聚类－决策树的玉米良种选育方法，其特征是：包括下列步骤：　　　　（１）数据预处理：将选择的三个属性对应成空间中的三维点，利用聚类算法中的ｋ－平均算法，计算子女表中所有的记录点和重心之间的距离，比较大小，最终将所有的记录聚为两个簇，并使每个簇内的记录有较大的相似度，而不同的簇有较大的相异度；　　　　（２）建立决策树：先离散化所选的三个属性的属性值，将它们分区成三类，并将千粒重作为分类属性，划分类别标记为低产、中产、高产，在输入全生育期、千粒重和小区产量这三个属性之后，根据欧氏距离公式：　　　　ｄ（ｘ↓［ｉ］，ｙ↓［ｊ］）＝（＊（ｘ↓［ｉｋ］－ｘ↓［ｊｋ］）↑［２］）↑［１／２］　　　　即可判断这个三维点属于哪个聚类簇，得出结论后，对这个簇进行ＩＤ３算法的数据挖掘，计算出全生育期属性和小区产量属性的信息增益值，并将具有较大增益的属性作为测试属性，在测试属性分段的子节点处，引出分支，划分整个记录集，再依次进行即可形成一个精简的决策树，其中属性Ｓ↓［ｋ］的信息增益公式为：　　　　Ｇ（Ｓ↓［Ｋ］）＝ｈ↓［ｓ］（ｓ↓［ｊ］）－＊（ｎ↓［ｋ］／ｎ↓［ｊ］×（－＊ｎ↓［ｉｋ］／ｎ↓［ｋ］×ｌｏｇ↓［２］（ｎ↓［ｉｋ］／ｎ↓［ｋ］）））　　　　其中ｎ↓［ｊ］是总节点的出现次数，ｎ↓［ｋ］是预测属性值为Ｖ↓［ｋ］的子节点的出现次数，ｎ↓［ｉｋ］是分类属性为Ｃ↓［ｉ］的预测属性值为Ｖ↓［ｋ］的子节点的出现次数；　　　　（３）根据形成的决策树，系统判断所输入的属性值属于哪个分类，并通过计算这个三维点和所属分类中其他点的距离，得到一个距离最小的点，这个点所具有的属性就是最接近于输入玉米品种的玉米属性，从子女表中查询出这个玉米品种的父类和母类，即完成玉米选育的功能。...

【技术特征摘要】
一种基于聚类-决策树的玉米良种选育方法，其特征是包括下列步骤(1)数据预处理将选择的三个属性对应成空间中的三维点，利用聚类算法中的k-平均算法，计算子女表中所有的记录点和重心之间的距离，比较大小，最终将所有的记录聚为两个簇，并使每个簇内的记录有较大的相似度，而不同的簇有较大的相异度；(2)建立决策树先离散化所选的三个属性的属性值，将它们分区成三类，并将千粒重作为分类属性，划分类别标记为低产、中产、高产，在输入全生育期、千粒重和小区产量这三个属性之后，根据欧氏距离公式 <mrow><mi>d</mi><mrow> <mo>(</mo> <msub><mi>x</mi><mi>i</mi> </msub> <mo>,</mo> <msub><mi>y</mi><mi>j</mi> </msub> <mo>)</mo></mrow><mo>=</mo><msup> <mrow><mo>(</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>k</mi><mo>=</mo><mn>1</mn> </mrow> <mi>m</mi></munderover><msup> <mrow><mo>(</mo><msub> <mi>x</mi> <mi>ik</mi></msub><mo>-</mo><msub> <mi>x</mi> <mi>jk</mi></msub><mo>)</mo> </mrow> <mn>2</mn></msup><mo>)</mo> </mrow> <mfrac><mn>1</mn><mn>2</mn> </mfrac></msup> </mrow>即可判断这个三维点属于哪个聚类簇，得出结论后，对这个簇进行ID3算法的数据挖掘，计算出全生育期属性和小区产量属性的信息增益值，并将具有较大增益的属性作为测试属性，在测试属性分段的子节点处，引出分支，划分整个记录集，再依次进行即可形成一个精简的决策树，其中属性Sk的信息增益公式为 <mrow><mi>G</mi><mrow> <mo>(</mo> <msub><mi>S</mi><mi>K</mi> </msub> <mo>)</mo></mrow><mo>=</mo><msub> <mi>h</mi> <mi>s</mi></msub><mrow> <mo...

【专利技术属性】
技术研发人员：邱建林，季丹，陈建平，顾翔，李芬，
申请(专利权)人：邱建林，季丹，陈建平，顾翔，李芬，
类型：发明
国别省市：32[中国|江苏]