[发明专利]植物适生地的分类方法及装置

说明书

本发明提供了一种植物适生地的分类方法及装置，涉及植物适生地分类的技术领域，能够获取当前区域表征影响植物生长的地域特征数据集；通过计算地域特征数据集与指定植物的适生数据集的相似距，根据相似距判断当前区域相对于指定植物的适生等级；然后根据适生等级对当前区域进行分类，实现了植物适生地的快速选择，有效缓解了传统选择中药材适生地费时费力的技术问题。

技术领域

本发明涉及植物适生地分类技术领域，尤其是涉及一种植物适生地的分类方法及装置。

背景技术

植物与我们人类和动物的生命有着相当密切的关系，为人类和动物提供食物、氧气等，以中药材植物为例，中药材除了能治病救人，还是一种珍贵的自然资源，可持续发展对其至关重要。环境因子与中药材的质量和产量有着密切的关系，不同地域的环境因子对中药材的生长具有极大的影响，因此，不同地域生长的中药材的质量差异很大，产量也不同。

目前，选择中药材适合生长的地域是依靠人们的经验进行选择的，这种选择中药材适生地的方法费时费力。

发明内容

有鉴于此，本发明的目的在于提供一种植物适生地的分类方法及装置，以缓解传统选择中药材适生地费时费力的技术问题。

第一方面，本发明实施例提供了一种植物适生地的分类方法，其中，该方法包括：获取当前区域表征影响植物生长的地域特征数据集；计算地域特征数据集与指定植物的适生数据集的相似距，根据相似距判断当前区域相对于指定植物的适生等级；根据适生等级对当前区域进行分类。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，计算地域特征数据集与指定植物的适生数据集的相似距，根据相似距判断当前区域相对于指定植物的适生等级的步骤包括：将地域特征数据集输入至预先训练好的植物适生地分类模型，通过植物适生地分类模型计算地域特征数据集与指定植物的适生数据集的相似距，以及，输出当前区域相对于指定植物的适生等级；其中，植物适生地分类模型为通过指定植物的生长数据对神经网络训练得到的分类模型；生长数据为对地域特征数据集进行适生等级标记的数据。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述方法还包括：对生长数据进行预处理，得到训练数据集；基于粒子群算法在训练数据集中迭代搜索粒子群的全局极值，并将全局极值赋值给动量BP神经网络的权值和阈值；利用训练数据集对赋值后的动量BP神经网络进行训练，构建植物适生地分类模型。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，基于粒子群算法在训练数据集中迭代搜索粒子群的全局极值，并将全局极值赋值给动量BP神经网络的权值和阈值的步骤包括：预先设置粒子群参数，其中，粒子群参数包括粒子数目维数、允许最大迭代次数、目标误差、学习因子、惯性权重最大最小值、搜索最大速度以及随机设置初始搜索速度、位置和惯性权重；更新粒子群中每一粒子的速度和位置；利用适应度函数计算粒子群中每一粒子的适应值；根据每一粒子适应值更新粒子群的个体极值和全局极值；当达到预先设置的允许最大迭代次数或者目标误差时，输出粒子群的全局极值，反之，继续更新粒子群中每一粒子的速度和位置。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，更新粒子群中每一粒子的速度和位置的步骤包括：

按照粒子在多维空间的速度转移公式对每一粒子的速度和位置进行更新，其中，速度转移公式表示为：