买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜甘肃农业大学申请的专利基于聚类处理的根蛆类害虫分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119622425B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510158320.8，技术领域涉及：G06F18/24；该发明授权基于聚类处理的根蛆类害虫分类方法及系统是由苟玉萍;毛亮;杨烜艺;马小龙;黎世杰;师林志;司丽设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本基于聚类处理的根蛆类害虫分类方法及系统在说明书摘要公布了：本发明公开了基于聚类处理的根蛆类害虫分类方法及系统，方法包括：数据采集、特征提取、聚类分析、生成聚类报告和制定害虫防治策略。本发明属于农业害虫防治技术领域，具体是指基于聚类处理的根蛆类害虫分类方法及系统，本方案采用进行特征多指标融合，用无限特征选择方法确定特征权重并调整以减少信息冗余，使用拐点检测算法进行特征分层，基于特征权重进行概率提取，避免低权重特征过度被忽略且保持高权重特征的提取优先级；初始化隶属度和惩罚因子，计算聚类中心和目标函数，提出基于两个变量的加权多核模糊聚类算法，优化隶属度，优化聚类结构，减少聚类结果对初始值的依赖，衡量聚类结果和实际情况的一致性。

本发明授权基于聚类处理的根蛆类害虫分类方法及系统在权利要求书中公布了：1.基于聚类处理的根蛆类害虫分类方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集，得到经过预处理后的根蛆类害虫数据；步骤S2：特征提取，具体为进行特征多指标融合，从计算样本特征标准差、判别准则和共同信息三个方面综合考量，采用无限特征选择方法确定特征权重，使用拐点检测算法进行特征分层，基于特征权重进行概率提取；步骤S3：聚类分析，具体为采用初始化隶属度和惩罚因子，计算聚类中心和目标函数，提出基于两个变量的加权多核模糊聚类算法，优化隶属度，衡量聚类结果和实际情况的一致性；步骤S4：生成聚类报告，具体为生成害虫聚类报告；步骤S5：制定害虫防治策略；在步骤S2中，所述特征选择，包括以下步骤：步骤S21：特征多指标融合，对经过预处理后的根蛆类害虫数据进行特征多指标融合，将标准差、判别准则和共同信息三个不同角度的指标进行综合考量，包括以下步骤：步骤S211：计算样本特征的标准差，所述标准差反映特征在样本中的离散程度，通过标准差数据，初步衡量每个特征的离散特性，离散程度高的特征表示该特征的值在样本中的变化较大，对根蛆类害虫的分类更有帮助；步骤S212：计算判别准则，用于衡量不同类别之间特征的可区分性，所用公式如下： ；式中，表示第i个特征在第一类样本中的均值，表示第i个特征在第二类样本中的均值，表示第i个特征在第一类样本中的标准差，表示第i个特征在第二类样本中的标准差，表示第i个特征在两类样本之间的可区分性；所述第一类样本和第二类样本是根据害虫样本的分类属性预先设定的两个不同类别；步骤S213：计算共同信息，所述共同信息反映特征与类别之间的关联程度，所用公式如下： ；式中，表示第i个特征和类别标签之间的共同信息，Y表示类别标签集合，y表示类别标签，表示第i个特征的具体取值，f表示特征的取值集合，表示联合概率分布，表示特征和类别标签同时出现的概率，表示特征出现的概率，表示类别标签出现的概率；步骤S22：确定特征权重，采用无限特征选择方法对每个特征的标准差、判别准则值和共同信息进行线性加权，分析特征之间的相关性，根据特征之间的相关性和冗余性对特征权重进行调整；步骤S23：特征分层，用于在分类的过程中合理分配不同重要性的特征，充分利用高权重特征的同时保留次要特征的潜在贡献，通过最大化特征权重曲线中每个点到直线的垂直距离来定位拐点坐标，所用公式如下： ；式中，表示拐点的坐标，表示求出使表达式值最大的特征索引i，h1表示连接曲线起点和终点的直线的斜率，h2表示连接曲线起点和终点的直线的截距，表示曲线上的特征点，表示特征权重的值；步骤S24：基于特征权重进行概率提取，用于在特征提取过程中，保持多样性的同时反映特征的重要性，所用公式如下： ；式中，表示第i个特征被提取的概率，表示第i个特征的权重，N表示特征的总数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人甘肃农业大学，其通讯地址为：730070 甘肃省兰州市安宁区营门村1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。