【技术实现步骤摘要】
本专利技术属于水产品良种选育，具体涉及一种基于kmeans聚类和支持向量机(svm)的蟹类攻击性分类的方法。
技术介绍
1、攻击性是动物对同种个体的攻击反应，不同的个体表现出从低到高的攻击表型。蟹类普遍具有较强的攻击性，视觉、触觉和化学信息均可作为个体争斗的感受信号。个体之间不仅会为争夺资源发生争斗，比如食物、配偶和掩蔽物，有时偶然相遇也会发生争斗。然而纵观动物的个性研究，目前的方向主要集中在行为的量化分析以及不同行为指标之间的相关性研究，且多见于陆生脊椎动物，水生无脊椎动物的研究相对有限。而且在动物个性研究工作中，由于主观因素的掺入，动物行为研究工作往往存在人为差异。因此，消除主观因素的影响，解决分类标准问题，成为动物个性及其环境适应等研究的关键。
2、随着研究的发展，水生动物行为学研究的方法已有了长足的提升。同时现代科学技术的发展也为水生动物行为学研究提供了技术基础。机器学习是一种对数据结果进行客观性挖掘的重要方法，能够充分利用数据的统计学特征，在基于数据的内在规律的基础上得出更为科学的结果。k-means聚类是一种向量量化的方法，是机器学习中一种无监督的学习方式，这一研究方法已广泛的应用在行为学的研究中。已有研究表明，镜像实验可用于测定个体的攻击性，这在斑马鱼和三刺鱼的研究中已经被证实。在甲壳动物的研究中，由于形态和生活习性的差异，不同种类个体同一个性指标的测量方法也存在较大差异。为确保研究的物种与实验方法相匹配，在选择实验方法时，通常会进行重复测定实验，从而确定实验结果在时间上的一致性。同时针对同一指标，也会
3、传统池塘养殖条件下，蟹类经常面临有限的空间、食物和群体组成的反复变化等问题，它们比在自然环境下更容易发生种内残食，导致附肢残缺甚至死亡。残缺的个体摄食更加困难，因此它们的生长速度往往会受到影响，从而导致养殖品质下降，养殖产量减少。高效的攻击性评估技术有助于提高检测效率，增加动物福利，减少经济损失。因此，本专利技术通过k-means聚类和支持向量机结合的方法，来定性评估并预测蟹类的攻击性。
技术实现思路
1、本专利技术的目的是应用机器学习，提供一种基于kmeans聚类和支持向量机(svm)的蟹类攻击性分类的方法，为今后蟹类优良品种的选育提供高效的测定方法。
2、为实现上述专利技术目的，本专利技术采用下述技术方案予以实现：
3、一种基于kmeans聚类和支持向量机(svm)的蟹类攻击性分类的方法，其特征是包括以下步骤：
4、步骤1，通过镜像实验重复测定蟹的攻击性行为，样本量不少于100只。
5、步骤2，记录并量化蟹的攻击性行为：
6、首先，将镜像实验测定的攻击性行为指标分为两种类别：攻击指标和非攻击指标，攻击指标包括攻击镜像、螯足展示频率、螯足展示累计持续时间、靠近镜像和撤退，非攻击指标包括相对移动距离——移动距离与甲宽的比值、静止频率和静止累计持续时间；然后记录镜像实验中上述指标的发生次数与累计时间。
7、步骤3，对攻击指标和非攻击指标测定结果进行时间自相关性分析，以验证镜像实验测定结果的准确性。
8、步骤4，采用kmeans聚类分析筛选最优分类值k，并对蟹的攻击性进行分类和标注：
9、1.kmeans聚类分析的特征向量设为镜像实验测定的5种攻击指标，包括攻击镜像、螯足展示、螯足展示累计持续时间、靠近和撤退；
10、2.首先，将原始数据进行最大最小均一化处理，作为后续分析的特征值；
11、3.然后，绘制手肘图筛选最优分类值k。选取不同的分类值k，k＝1:10，通过kmeans函数对特征值进行聚类分析，以分类值k，k＝1:10为横坐标，误差平方和为纵坐标绘制手肘图，手肘图的拐点处对应的k值即最优解；
12、4.根据最优分类值k对蟹的攻击性进行分类和标注。
13、步骤5，对实验蟹进行多次配对争斗实验。
14、步骤6，测定并量化蟹的争斗行为：
15、通过拍摄的视频，记录和量化争斗行为，包括靠近——实验个体主动接近匹配个体、撤退——个体之间发生争斗相互作用后分开、示威——螯足展示频率、防御——螯足展示累计持续时间、静止累计持续时间、争斗回合总数——个体间发生争斗的次数总和、争斗的概率——出现争斗的实验次数与所有配对实验之比、争斗强度得分；以上指标以重复实验的均值作为最终结果。
16、步骤7，分析不同攻击性类别间争斗行为的差异，验证kmeans聚类结果的可靠性。
17、步骤8，采用支持向量机(svm)初步构建蟹的攻击性分类模型。
18、步骤9，通过k折交叉验证和网格搜索，优化攻击性分类模型。
19、步骤10，通过预测值的准确度、灵敏度和特异性对模型进行评估。
20、步骤11，将模型应用于蟹攻击性行为分类：
21、1.对一只蟹通过3-5次镜像实验，测定其攻击性评估指标中的三项非攻击指标，包括移动距离——用于计算相对移动距离、静止频率和静止累计持续时间；
22、2.将上述3种攻击性评估指标的原始数据分别取平均，作为攻击性分类模型的输入变量；
23、3.将变量输入攻击性分类模型，输出的结果即该只蟹的攻击性类别。
24、所述步骤1中，进行镜像实验采用如下方式：
25、选取内壁呈不透明白色的观察缸，摄像机固定于观察缸正上方，取宽度与观察缸内径相等的两面镜子，将两面镜子背面贴合垂直放置于观察缸中部，以使两侧区域可同时进行镜像实验；将观察缸中镜子两侧区域各插入一隔板，将两只蟹分别放入隔板一侧区域，使蟹与镜子之间被隔板隔开，适应10min后轻轻地取出隔板，使蟹暴露于镜子前，拍摄20min后结束；每组拍摄结束后，更换观察缸中的海水并清洗观察缸。
26、所述步骤1中，拍摄时统一在无光的环境条件下进行，实验期间控制海水温度和盐度与暂养条件一致。
27、所述步骤1中，进行镜像实验之前，
28、1.将蟹于水族缸中隔离暂养两周；
29、2.选取健康、附肢完整和处于蜕壳间期的蟹不少于100只进行拍摄实验；
30、3.禁食24h后，进行镜像实验。
31、所述步骤1中，进行完一次镜像实验之后，将蟹放回暂养水族缸中恢复24h再进行下一次测定，重复拍摄3-5次。
32、所述步骤2中，以行为分析软件记录并量化蟹的攻击性行为如下：
33、设置检测的采样率为8帧/秒，检测方法为动态剪影法或灰度梯度法，开启丢失帧数校正和平滑轨迹设置；轨迹平滑配置为：
34、a.基于每个采样点前后10个样本进行平滑处理；
35、b.若移动距离小于3cm时，将采样点仍旧设为前一个位置；
36、c.若移动的最大距离大于20cm时，将采样点设为缺失。
37、所述步本文档来自技高网...
【技术保护点】
1.一种基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是包括以下步骤：
2.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤1中，进行镜像实验采用如下方式：
3.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤2中，以行为分析软件记录并量化蟹的攻击性行为如下：
4.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤3中，对攻击指标和非攻击指标测定结果进行相关性分析如下：
5.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤5中，对实验蟹进行多次配对争斗实验，包括以下步骤：
6.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤6中，争斗强度分为4个等级：1. 很弱（very weak）：一只个体接近另一只个体并表现出攻击性，另一个体表现出顺从且没有身体接触，接触行为 = 0，记1分；2. 弱（weak）
7.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤7中，分析不同攻击性类别间争斗行为的差异，验证Kmeans聚类结果的可靠性包括以下步骤：
8.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤8中，采用支持向量机初步构建蟹的攻击性分类模型包括以下步骤：
9.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤9中，通过K折交叉验证和网格搜索，优化攻击性分类模型包括如下步骤：
10.如权利要求1所述的基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤10中，通过预测值的准确度、灵敏度和特异性对模型进行评估包括如下步骤：
...【技术特征摘要】
1.一种基于kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是包括以下步骤：
2.如权利要求1所述的基于kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤1中，进行镜像实验采用如下方式：
3.如权利要求1所述的基于kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤2中，以行为分析软件记录并量化蟹的攻击性行为如下：
4.如权利要求1所述的基于kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤3中，对攻击指标和非攻击指标测定结果进行相关性分析如下：
5.如权利要求1所述的基于kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤5中，对实验蟹进行多次配对争斗实验，包括以下步骤：
6.如权利要求1所述的基于kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是所述步骤6中，争斗强度分为4个等级：1. 很弱（very weak）：一只个体接近另一只个体并表现出攻击性，另一个体表现出顺从且没有身体接触，接触行为 = 0，记1分；2. 弱（weak）：两只个体都表现出攻击性，发生肢体接触，直到获胜者成功爬上对方或失败者出现持续撤...
【专利技术属性】
技术研发人员：王芳，梁启航，朱柏杉，刘大鹏，路允良，
申请(专利权)人：中国海洋大学，
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。