[发明专利]生态种养系统中昆虫智能界定算法

权利要求书

1.生态种养系统中昆虫智能界定算法，其特征在于：采用轮廓阴影聚类算法，具体包括以下步骤：

(1)设群落内含有K个物种：sp1，sp2，sp3，…，spk，每个物种内含有n条序列，n＝1,2,3...,i,...，序列i属于sp1，除了i以外sp1还包含其他序列；a(i)表示种内差异，等于序列i到sp1内所有序列距离的平均值；d(i,spk)等于序列i到spk内所有序列的距离，选择d(i,spk)中最小的距离作为b(i)，

(2)每条序列i通过如下公式计算得到s(i)，然后将所有序列得到的s(i)值进行排序并绘制轮廓阴影图，选择最优的物种界定聚类结果；

其中-1≤s(i)≤1，当a(i)＜＜b(i)时，s(i)趋近1；a(i)代表种内差异，a(i)越小表示序列i划分到sp1的可能性越大，b(i)越大表示序列i属于spk的可能性越低；因此s(i)的值越趋近于1表示聚类结果越可靠；s(i)为0表示序列i的归属不明确，既可以属于sp1也可以属于spk；s(i)的值越趋近于-1表示聚类结果不可靠，序列i属于spk的可能性大且很有可能被错误的划分为sp1；

(3)对聚类结果进行置信区间估计，从而实现物种划分。

2.如权利要求1所述的生态种养系统中昆虫智能界定算法，其特征在于：所述聚类结果的置信区间估计采用Bootstrap方法，具体步骤如下：

①通过遍历所有序列进行随机垂直重取样，组成与原始序列矩阵维度相同的伪样本；

②依据公式(2)计算s(i)并得到最优物种界定聚类结果；

③重复步骤(1)、(2)500次，每个样本是初始数据有放回抽样，获得Bootstrap统计量分布，选取分布区域作为Bootstrap置信区间。

3.如权利要求2所述的生态种养系统中昆虫智能界定算法，其特征在于：所述步骤③中分布区域为2.5％到97.5％。