[发明专利]一种基于支持向量机的生物年龄分步预测方法

说明书

一种基于支持向量机的生物年龄分步预测方法，本发明涉及基于支持向量机的生物年龄分步预测方法。本发明的目的是为了解决传统的生物年龄预测方法预测效率低、准确度低、成本高以及方法繁琐复杂的问题。通过以下技术方案实现的：步骤一、制成生物年龄数据集；步骤二、区分已知年龄的生物样本和未知年龄的生物样本；步骤三、组间分类；步骤四、生成对应的支持向量机模型；步骤五、建立最优支持向量机模型；步骤六、建立最优特征子集；步骤七、得到测试集中年龄未知的生物样本对应的年龄组的组别；步骤八、组内分类；步骤九、生成组内分类的支持向量机模型；步骤十、得到某个年龄组内测试集样本确切的年龄。本发明应用于生物年龄预测领域。

技术领域

本发明涉及基于支持向量机的生物年龄分步预测方法。

背景技术

年龄预测是养殖业、兽医学乃至稀有动物研究中必不可少的一部分。准确地预测生物的年龄，可以帮助相关医疗人员更加合理科学地为生物制定医疗方案，匹配用药剂量，从而进一步改善治疗效果。更一般地讲，系统科学的生物年龄预测方法，为全面研究生物种群的特性提供了便利。然而传统的生物年龄预测方法往往需要经过大量系统的实验，以及需要结合一定的工作经验才能确定生物个体的年龄，导致生物年龄预测效率低、准确度低、成本高以及方法繁琐复杂，例如鲍鱼的传统年龄预测方法，需要制作鲍鱼外壳组织的切片，染色后在显微镜下计数年龄环。又如哺乳动物的年龄预测方法，人们需要观察它们牙齿的形状和成分比例，结合大量经验后才能确定个体的年龄。传统的预测方法需要大量的实验作为基础，无法提高工作效率；并且与实验人员的经验有关，可靠性不足。因此建立一种新的年龄预测方法对于相关研究具有极大的意义。

发明内容

本发明的目的是为了解决传统的生物年龄预测方法预测效率低、准确度低、成本高以及方法繁琐复杂的问题，而提出了一种基于支持向量机的生物年龄分步预测方法。

上述的发明目的是通过以下技术方案实现的：

步骤一、整理实验获得的生物样本物理属性数据，制成生物年龄数据集；

对检测到的生物样本物理属性数据进行分类，将每个生物样本的不同物理属性数据存于矩阵中的一行，即一个生物样本的不同物理属性数据对应一个行向量，不同生物样本放在一起构成一个矩阵；

其中，所述物理属性数据包括性别、长度、直径、高度、总重量、去外壳重量、内脏重量和外壳干重；

步骤二、区分已知年龄的生物样本和未知年龄的生物样本，

步骤一中由实验获得的生物样本物理属性数据制成的生物年龄数据集为已知年龄的生物样本，将已知年龄的生物样本划分为训练集；

步骤一中检测到的生物样本物理属性数据为未知年龄的生物样本，将未知年龄的生物样本划分为测试集；

训练集的生物样本的年龄作为训练集的标签属性；

步骤三、基于支持向量机对训练集进行第一步分类：组间分类，对训练集进行合并，将邻近的n个年龄的生物样本合并为一个年龄组，n≥3，即相应的标签属性也合并为一个；

步骤四、根据步骤三得到的合并后的训练集利用支持向量机分类器进行训练，生成对应的支持向量机模型；

步骤五、利用参数寻优算法优化支持向量机模型建立过程中的惩罚参数C和RBF核函数中的参数γ，根据优化的结果建立最优支持向量机模型；

步骤六、利用SVM-RFE算法建立经训练的合并后的训练集的最优特征子集；

步骤七、利用生成的最优支持向量机模型和经训练的合并后的训练集的最优特征子集对测试集中年龄未知的生物样本进行分类预测，得到测试集中年龄未知的生物样本对应的年龄组的组别；