基于干旱胁迫的赤芍抗旱机制构建方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，揭露了一种基于干旱胁迫的赤芍抗旱机制构建方法和装置，该方法包括：获取赤芍样本在干旱胁迫下的样本数据，对样本数据进行特征选择，得到样本数据的关键特征，对关键特征进行矩阵化处理，得到关键特征的特征矩阵；利用预设的降维算法对特征矩阵进行特征降维，得到特征矩阵的降维矩阵；利用降维矩阵对构建的赤芍样本的抗旱因子模型进行模型训练，得到目标抗旱模型；根据目标抗旱模型生成目标赤芍的最佳抗旱因子，利用最佳抗旱因子生成目标赤芍的最佳抗旱机制

【技术实现步骤摘要】
基于干旱胁迫的赤芍抗旱机制构建方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于干旱胁迫的赤芍抗旱机制构建方法及装置
。

技术介绍

[0002]赤芍是一种重要的中药材，其富含生物活性成分，具有广泛的药用价值
。
然而，由于气候变化和人类活动等因素的影响，全球干旱现象越来越普遍，影响了赤芍和其他植物的生长和产量，所以赤芍抗旱机制的研究，对于提高其生产和保护植物生态环境具有重要意义
。
[0003]目前赤芍抗旱研究技术大多采用相对简单的生理生化方法，如测定相对含水量
、
可溶性蛋白质含量
、SOD
酶活性等，或分析单个基因或蛋白质，缺乏高通量
、
高精度
、
多样化的技术手段，导致更多的机制仍需进一步探究；同时，由于地域限制，导致植物生长环境的差异可能导致植物生理和生化特性的变异，使得赤芍的抗旱研究不具有普适性，赤芍的抗旱能力不能一概而论，因此如何提升基于干旱胁迫的赤芍抗旱机制构建的准确性，成为了亟待解决的问题
。

技术实现思路

[0004]本专利技术提供一种基于干旱胁迫的赤芍抗旱机制构建方法及装置，其主要目的在于解决基于干旱胁迫的赤芍抗旱机制构建时准确性较低的问题
。
[0005]为实现上述目的，本专利技术提供的一种基于干旱胁迫的赤芍抗旱机制构建方法，包括：
[0006]获取赤芍样本在干旱胁迫下的样本数据，对所述样本数据进行特征选择，得到所述样本数据的关键特征，对所述关键特征进行矩阵化处理，得到所述关键特征的特征矩阵；
[0007]利用预设的降维算法对所述特征矩阵进行特征降维，得到所述特征矩阵的降维矩阵；
[0008]根据所述降维矩阵生成所述赤芍样本的指标关联关系，利用预设的因素关联算法构建所述赤芍样本的抗旱因子模型，其中，所述预设的因素关联算法为：
[0009][0010]其中，
f(x)
是所述赤芍样本的目标变量，
sign (*)
是符号函数，
w
是所述赤芍样本的特征变量的变量权重向量，
x
i
是第
i
个所述赤芍样本的特征变量，
b
是偏置项，
w
·
x
是所述特征变量和所述变量权重向量的内积，
y
i
是第
i
个所述赤芍样本的目标预测值，
L(w,b)
是关于所述变量权重向量和偏置项的损失函数，
λ
是正则系数，是正则化项
,i
是所述赤芍
样本的样本标识，
n
是所述赤芍样本的样本总数；
[0011]对所述抗旱因子模型进行参数初始化，得到所述抗旱因子模型的初始抗旱模型；
[0012]利用所述指标关联关系和所述降维矩阵对所述初始抗旱模型进行模型训练，得到目标抗旱模型；
[0013]根据所述目标抗旱模型生成目标赤芍的最佳抗旱因子，利用所述最佳抗旱因子生成所述目标赤芍的最佳抗旱机制
。
[0014]可选地，所述对所述样本数据进行特征选择，得到所述样本数据的关键特征，包括：
[0015]对所述样本数据进行数据清洗，得到所述样本数据的清洗数据；
[0016]对所述清洗数据进行缺失值填充，得到所述清洗数据的标准数据；
[0017]对所述标准数据进行变量排名，得到所述标准数据的数据序列；
[0018]利用如下的相关系数算法和所述数据序列生成所述标准数据的相关系数：
[0019][0020]其中，
r
是所述标准数据的相关系数，
p
是所述标准数据的样本容量，
d
a
是所述数据序列中第
a
个标准数据的等级差值，
a
是所述标准数据的数据标识；
[0021]根据所述相关系数对所述标准数据进行特征选择，得到所述标准数据的选择特征，确定所述标准数据的选择特征为所述样本数据的关键特征
。
[0022]可选地，所述对所述样本数据进行数据清洗，得到所述样本数据的清洗数据
,
包括：
[0023]对所述样本数据进行重复值剔除，得到所述样本数据的精简数据；
[0024]对所述精简数据进行异常值处理，得到所述精简数据的正常数据；
[0025]对所述正常数据进行数据格式转化，得到所述正常数据的转化数据，确定所述转化数据为所述样本数据的清洗数据
。
[0026]可选地，所述对所述关键特征进行矩阵化处理，得到所述关键特征的特征矩阵，包括：
[0027]根据所述关键特征对应的赤芍样本生成所述关键特征的初始矩阵；
[0028]对所述关键特征进行数值归一化处理，得到所述关键特征的归一化数值，根据所述归一化数值生成所述关键特征的列元素；
[0029]利用所述列元素对所述初始矩阵进行元素填充，得到所述初始矩阵的填充矩阵，确定所述填充矩阵为所述关键特征的特征矩阵
。
[0030]可选地，所述利用预设的降维算法对所述特征矩阵进行特征降维，得到所述特征矩阵的降维矩阵，包括：
[0031]对所述特征矩阵中的矩阵元素进行中心化处理，得到所述矩阵元素的中心化元素，利用所述中心化元素生成所述特征矩阵的中心化矩阵；
[0032]利用所述中心化矩阵和所述预设的降维算法生成所述矩阵元素的协方差矩阵，其中，所述预设的降维算法为：
[0033][0034]其中，
C
是所述矩阵元素的协方差矩阵，
m
是所述特征矩阵对应的样本数，
X
是所述特征矩阵，是所述中心化矩阵，
(*)
T
表示矩阵的转置；
[0035]根据所述协方差矩阵生成所述特征矩阵的降维矩阵
。
[0036]可选地，所述根据所述降维矩阵生成所述赤芍样本的指标关联关系，包括：
[0037]根据所述降维特征确定所述赤芍样本的特征变量，根据所述降维特征确定所述赤芍样本的目标变量；
[0038]建立所述特征变量和所述目标变量的变量关系，根据所述特征变量
、
所述目标变量和所述变量关系建立所述赤芍样本的指标关联关系
。
[0039]可选地，所述利用所述指标关联关系和所述降维矩阵对所述初始抗旱模型进行模型训练，得到目标抗旱模型，包括：
[0040]根据所述初始抗旱模型中的预设的因素关联算法生成所述初始抗旱模型的因素偏导函数，其中，所述因素偏导函数为：
[0041][0042]其中，
w
是所述赤芍样本的特征变量的变量权重向量，
b
是偏置项，
i
是所述赤芍样本的样本标识，
n
是所述赤芍样本的样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于干旱胁迫的赤芍抗旱机制构建方法，其特征在于，所述方法包括：获取赤芍样本在干旱胁迫下的样本数据，对所述样本数据进行特征选择，得到所述样本数据的关键特征，对所述关键特征进行矩阵化处理，得到所述关键特征的特征矩阵；利用预设的降维算法对所述特征矩阵进行特征降维，得到所述特征矩阵的降维矩阵；根据所述降维矩阵生成所述赤芍样本的指标关联关系，利用预设的因素关联算法构建所述赤芍样本的抗旱因子模型，其中，所述预设的因素关联算法为：其中，
f(x)
是所述赤芍样本的目标变量，
sign (*)
是符号函数，
w
是所述赤芍样本的特征变量的变量权重向量，
x
i
是第
i
个所述赤芍样本的特征变量，
b
是偏置项，
w
·
x
是所述特征变量和所述变量权重向量的内积，
y
i
是第
i
个所述赤芍样本的目标预测值，
L(w,b)
是关于所述变量权重向量和偏置项的损失函数，
λ
是正则系数，是正则化项
,i
是所述赤芍样本的样本标识，
n
是所述赤芍样本的样本总数；对所述抗旱因子模型进行参数初始化，得到所述抗旱因子模型的初始抗旱模型；利用所述指标关联关系和所述降维矩阵对所述初始抗旱模型进行模型训练，得到目标抗旱模型；根据所述目标抗旱模型生成目标赤芍的最佳抗旱因子，利用所述最佳抗旱因子生成所述目标赤芍的最佳抗旱机制
。2.
如权利要求1所述的基于干旱胁迫的赤芍抗旱机制构建方法，其特征在于，所述对所述样本数据进行特征选择，得到所述样本数据的关键特征，包括：对所述样本数据进行数据清洗，得到所述样本数据的清洗数据；对所述清洗数据进行缺失值填充，得到所述清洗数据的标准数据；对所述标准数据进行变量排名，得到所述标准数据的数据序列；利用如下的相关系数算法和所述数据序列生成所述标准数据的相关系数：其中，
r
是所述标准数据的相关系数，
p
是所述标准数据的样本容量，
d
a
是所述数据序列中第
a
个标准数据的等级差值，
a
是所述标准数据的数据标识；根据所述相关系数对所述标准数据进行特征选择，得到所述标准数据的选择特征，确定所述标准数据的选择特征为所述样本数据的关键特征
。3.
如权利要求2所述的基于干旱胁迫的赤芍抗旱机制构建方法，其特征在于，所述对所述样本数据进行数据清洗，得到所述样本数据的清洗数据
,
包括：对所述样本数据进行重复值剔除，得到所述样本数据的精简数据；对所述精简数据进行异常值处理，得到所述精简数据的正常数据；对所述正常数据进行数据格式转化，得到所述正常数据的转化数据，确定所述转化数据为所述样本数据的清洗数据
。
4.
如权利要求1所述的基于干旱胁迫的赤芍抗旱机制构建方法，其特征在于，所述对所述关键特征进行矩阵化处理，得到所述关键特征的特征矩阵，包括：根据所述关键特征对应的赤芍样本生成所述关键特征的初始矩阵；对所述关键特征进行数值归一化处理，得到所述关键特征的归一化数值，根据所述归一化数值生成所述关键特征的列元素；利用所述列元素对所述初始矩阵进行元素填充，得到所述初始矩阵的填充矩阵，确定所述填充矩阵为所述关键特征的特征矩阵
。5.
如权利要求1所述的基于干旱胁迫的赤芍抗旱机制构建方法，其特征在于，所述利用预设的降维算法对所述特征矩阵进行特征降维，得到所述特征矩阵的降维矩阵，包括：对所述特征矩阵中的矩阵元素进行中心化处理，得到所述矩阵元素的中心化元素，利用所述中心化元素生成所述特征矩阵的中心化矩阵；利用所述中心化矩阵和所述预设的降维算法生成所述矩阵元素的协方差矩阵，其中，所述预设的降维算法为：其中，
C
是所述矩阵元素的协方差矩阵，
m
是所述特征矩阵对应的样本数，
X
是所述特征矩阵，是所述中心化矩阵，
(*)
T
表示矩阵的转置；根据所述协方差矩阵生成所述特征矩阵的降维矩阵
。6.
如权利要求1所述的基于干旱胁迫的赤芍抗旱机制构建方法，其特征在于，所述根据所述降维矩阵生成所述赤...

【专利技术属性】
技术研发人员：张秀娟，侯亚光，石蕊，张宇森，
申请(专利权)人：内蒙古科学技术研究院，
类型：发明
国别省市：