申请/专利权人：无限极(中国)有限公司

申请日：2019-12-03

公开（公告）日：2024-04-09

公开（公告）号：CN110929804B

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/214;G16C20/30;G16C20/90;G06F16/908;G06F16/909;G01N33/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2020.04.21#实质审查的生效;2020.03.27#公开

摘要：本申请公开了一种栽培品产地识别方法、装置、设备及介质，包括：获取与不同产地的栽培品相关的数据集；其中，所述数据集中的每一数据样本均包括栽培品的类型编号、与栽培品的产地对应的组别信息、栽培品的小分子化合物数据；对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物；获取待识别栽培品的所述关键小分子化合物的数据，得到关键化合物数据；利用所述关键化合物数据，对所述待识别栽培品的产地进行识别。本申请一方面能够大幅减少数据采集量以及数据处理量，另一方面能够有效降低背景冗余数据对识别精度的干扰，提升了产地识别的准确率。

主权项：1.一种栽培品产地识别方法，其特征在于，包括：获取与不同产地的栽培品相关的数据集；其中，所述数据集中的每一数据样本均包括栽培品的类型编号、与栽培品的产地对应的组别信息、栽培品的小分子化合物数据；对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物；获取待识别栽培品的所述关键小分子化合物的数据，得到关键化合物数据；利用所述关键化合物数据，对所述待识别栽培品的产地进行识别；所述对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物，包括：分别针对每个特征维度，确定所述数据集中相应维度的各个数据特征与相应数据标签之间的相关性，得到每个特征维度对应的相关性；以每个特征维度对应的相关性作为相应特征维度的重要性依据，从所有特征维度中选取出预设比例的特征维度，得到关键特征维度集合；根据所述关键特征维度集合，确定出相应的关键小分子化合物；所述分别针对每个特征维度，确定所述数据集中相应维度的各个数据特征与相应数据标签之间的相关性，包括：利用预设相关系数计算公式，分别针对每个特征维度，确定所述数据集中相应维度的各个数据特征与相应数据标签之间的相关系数；其中，所述预设相关系数计算公式为： 其中，CorrXj,Yj表示与第j个特征维度对应的相关系数，j＝0,1,2,...,D-1，xij表示第i个数据样本的第j个特征维度对应的数据特征，μxj表示所述数据集中与第j个特征维度对应的所有数据特征的平均值，yi表示与第i个数据样本对应的数据标签，μc表示所述数据集中第c类别的数据标签的平均值；或者，所述对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物，包括：确定基于L2参数的双线性SVM模型；其中，所述双线性SVM模型中的待学习参数W＝[w0w1w2...wD-1]T，D表示特征维度的数量，并且，不同的特征维度对应于不同的小分子化合物数据；利用所述双线性SVM模型，对所述数据集中的数据样本进行分组学习，以确定所述待学习参数W中每个元素wj的数值；其中，j＝0,1,2,...,D-1；以每个元素wj的数值大小作为相应特征维度的重要性依据，从所有特征维度中选取出预设比例的特征维度，得到第一重要特征维度集合；分别针对每个特征维度，确定所述数据集中相应维度的各个数据特征与相应数据标签之间的相关性，得到每个特征维度对应的相关性；以每个特征维度对应的相关性作为相应特征维度的重要性依据，从所有特征维度中选取出所述预设比例的特征维度，得到第二重要特征维度集合；对所述第一重要特征维度集合和所述第二重要特征维度集合进行取交集操作，得到关键特征维度集合；根据所述关键特征维度集合，确定出相应的关键小分子化合物；或者，所述对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物，包括：确定基于L2参数的双线性SVM模型；其中，所述双线性SVM模型中的待学习参数W＝[w0w1w2...wD-1]T，D表示特征维度的数量，并且，不同的特征维度对应于不同的小分子化合物数据；利用所述双线性SVM模型，对所述数据集中的数据样本进行分组学习，以确定所述待学习参数W中每个元素wj的数值；其中，j＝0,1,2,...,D-1；以每个元素wj的数值大小作为相应特征维度的重要性依据，从所有特征维度中选取出预设比例的特征维度，得到关键特征维度集合；根据所述关键特征维度集合，确定出相应的关键小分子化合物。

全文数据：

权利要求：

百度查询： 无限极(中国)有限公司 一种栽培品产地识别方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD