中药材适生地的分类方法及装置制造方法及图纸

本发明专利技术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。

【技术实现步骤摘要】
中药材适生地的分类方法及装置分案申请说明本申请是申请日为2018年11月27日、申请号为2018114317867、名称为“植物适生地的分类方法及装置”的中国专利技术专利申请的分案申请。
本专利技术涉及植物适生地分类
，尤其是涉及一种植物适生地的分类方法及装置。
技术介绍
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。
技术实现思路
有鉴于此，本专利技术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，本专利技术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本文档来自技高网...

【技术保护点】
1.一种基于神经网络的中药材适生地的选择方法，其特征在于，所述方法包括：/n获取当前区域表征影响中药材生长的地域特征数据集；/n计算所述地域特征数据集与指定中药材的适生数据集的相似距，根据所述相似距判断所述当前区域相对于所述指定中药材的适生等级；/n根据所述适生等级对所述当前区域进行分类；/n其中，所述计算所述地域特征数据集与指定中药材的适生数据集的相似距，根据所述相似距判断所述当前区域相对于所述指定中药材的适生等级的步骤包括：/n将所述地域特征数据集输入至预先训练好的中药材适生地分类模型，通过所述中药材适生地分类模型计算所述地域特征数据集与指定中药材的适生数据集的相似距，以及，输出所述当前区...

【技术特征摘要】
1.一种基于神经网络的中药材适生地的选择方法，其特征在于，所述方法包括：
获取当前区域表征影响中药材生长的地域特征数据集；
计算所述地域特征数据集与指定中药材的适生数据集的相似距，根据所述相似距判断所述当前区域相对于所述指定中药材的适生等级；
根据所述适生等级对所述当前区域进行分类；
其中，所述计算所述地域特征数据集与指定中药材的适生数据集的相似距，根据所述相似距判断所述当前区域相对于所述指定中药材的适生等级的步骤包括：
将所述地域特征数据集输入至预先训练好的中药材适生地分类模型，通过所述中药材适生地分类模型计算所述地域特征数据集与指定中药材的适生数据集的相似距，以及，输出所述当前区域相对于所述指定中药材的适生等级；
其中，所述中药材适生地分类模型为通过所述指定中药材的生长数据对神经网络训练得到的分类模型；所述生长数据为对所述地域特征数据集进行所述适生等级标记的数据。


2.根据权利要求1所述方法，其特征在于，所述方法还包括：
对所述生长数据进行预处理，得到训练数据集；
基于粒子群算法在所述训练数据集中迭代搜索所述粒子群的全局极值，并将所述全局极值赋值给动量BP神经网络的权值和阈值；
利用所述训练数据集对赋值后的所述动量BP神经网络进行训练，构建所述中药材适生地分类模型。


3.根据权利要求2所述方法，其特征在于，所述基于粒子群算法在所述训练数据集中迭代搜索所述粒子群的全局极值，并将所述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：
预先设置所述粒子群参数，其中，所述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、位置和所述惯性权重；更新所述粒子群中每一粒子的速度和位置；
利用适应度函数计算所述粒子群中每一粒子的适应值；
根据所述每一粒子适应值更新所述粒子群的个体极值和全局极值；
当达到预先设置的所述允许最大迭代次数或者所述目标误差时，输出所述粒子群的全局极值，反之，继续更新所述粒子群中每一粒子的速度和位置。


4.根据权利要求3所述方法，其特征在于，所述更新所述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所述每一粒子的速度和位置进行更新，其中，所述速度转移公式表示为：






其中，，n表示所述粒子群数目，ξ，η表示(0,1)内均匀分布的随机数，c1，c2表示所述学习因子，w表示所述惯性权重，表示粒子i在k时刻在d维空间的个体极值位置，表示k时刻在d维空间的全局极值位置，表示粒子i在k时刻在d维空间的位置，表示粒子i在k时刻在d维空间的速度，当所述大于所述搜索最大速度时，将所述设置为所述搜索最大速度。


5.根据权利要求3所述方法，其特征在于，所述根据所述每一粒子适应值更新所述粒子群的个体极值和全局极值的步骤包括：
判断所述每一粒子的适应值是否大于预先设置的个体极值；如果是，将所述个体极值更新成所述适应值；以及，
判断所述个体极值是否大于预先设置的全局极值；如果是，将所述全...

【专利技术属性】
技术研发人员：祁萌，王艳，何若雪，
申请(专利权)人：成都工业学院，
类型：发明
国别省市：四川;51