[发明专利]农业育种大数据的深度挖掘与智能决策算法

权利要求书

1.农业育种大数据的深度挖掘与智能决策算法，其特征在于，深度挖掘包括以下步骤：

S1：数据预处理阶段：了解农业育种的技术特点，确定农业用户的具体需求，并进行数据存储；从原始数据库中选取相关数据或样本；检查数据的完整性及一致性，消除噪声数据；

S2：数据挖掘阶段：确定要发现的知识类型，根据确定的目标选择合适的数据挖掘算法，运用所选算法，提取相关知识并以一定的方式表示；

S3：知识评估与表示阶段：对在数据挖掘过程中发现的模式进行评估；使用可视化和知识表示相关技术，呈现农业育种所挖掘的知识。

2.根据权利要求1所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，智能决策算法包括以下步骤：

S11：刻化数据库中数据的一般特性；使用X、Y表示“数据库中满足条件的X记录可能可满足条件Y”，首先找到具备足够支持度的项集，然后由频繁项集构成关联规则，并计算置信度；

S12：在当前数据上进行推断和预测，推断农业育种的技术发展；推算和预测采用演化分析法。

3.根据权利要求2所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述寻找频繁项集的算法使用Apriori算法，首先计算频繁1-项集；然后根据频繁K-项集{p₁，p₂，……p_K},{q₁，q₂，……q_K}计算频繁(K+1)-项集，其中p_i＝q_i,1≦i≦K-1,且该(K+1)-项集为{p_1′，p_2′，……p_K′q_K}；最后判定该(K+1)-项集是否频繁即可。

4.根据权利要求2所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述置信度计算规则为：

count(AandB)为满足条件A以及B的数据项目，count(A)为满足条件A的数据项数目。

5.根据权利要求4所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述置信度的计算步骤包括：对于每一个频繁项集S，计算S的所有非空子集，对于每个S的非空子集F，若大于给定置信度阙值，则

6.根据权利要求2所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述演化分析方法包括以下步骤：

S21：进行趋势分析，确定趋势的常用方法是计算数据n阶的变化平均值；

S22：进行相似搜索，相似搜索用于找出与给定序列最接近的数据序列；

S23：进行序列模式挖掘：挖掘相对时间或其它维属性出现频率高的模式；

S33：挖掘具有周期的模式或者关联规则。

7.根据权利要求1所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述数据预处理阶段的数据采集包括植入土壤或暴露在空气中的传感器监控土壤性状和环境状况的数据、实验室研究监测育种的发育状况和健康状况。

8.根据权利要求1所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述原始数据库的数据通过物联网传输到远程控制中心并将数据通过分布式存储横向扩展结构进行大数据存储；随后通过分布式软件架构并进行计算结构进行大数据处理。

9.根据权利要求8所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述大数据存储时采用数据仓库系统进行存储，数据仓库系统包括抽取数据与加载数据程序、整理并转换数据程序、备份与备存数据程序以及管理所有查询程序。

10.根据权利要求9所述的农业育种大数据的深度挖掘与智能决策算法，其特征在于，所述数据仓库系统的大小大于100GB。