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！

摘要：本发明公开了一种基于数据挖掘的衢枳壳炮制药物筛选方法及系统，涉及基于附加数据的过滤领域，本发明通过将样品图像特征作为数据，将衢枳壳炮制方式名称作为数据标签；通过构建多分类器模型，采用这些数据以及数据标签对多分类器模型进行训练并验证，得到最终多分类器模型；再利用最终多分类器模型对待筛选的衢枳壳炮制药物样本进行分类得到对应的炮制方式名称，再将该炮制方式名称与真实采用的炮制方式名称进行对比，能够分析出通过该炮制方式炮制出来的药物是否符合要求，若不符合要求，则剔除，符合要求则保留，从而实现了对衢枳壳炮制药物进行筛选的目的，在该筛选过程中，无需过多的人工参与，使得筛选过程更加客观以及准确。

主权项：1.一种基于数据挖掘的衢枳壳炮制药物筛选方法，其特征在于，包括以下步骤：S1、设定衢枳壳炮制方式名称集；根据所述衢枳壳炮制方式名称集采集对应的炮制后衢枳壳样品图像矩阵；构建炮制后衢枳壳特征类别集；根据所述炮制后衢枳壳特征类别集对所述炮制后衢枳壳样品图像矩阵中的各个样品进行特征提取，得到炮制后衢枳壳样品图像特征集矩阵；S2、构建初始多分类器模型；所述初始多分类器模型中包括第一分类器、第二分类器、第三分类器和第四分类器；对所述炮制后衢枳壳样品图像特征集矩阵进行划分得到炮制后衢枳壳训练样品图像特征集矩阵和炮制后衢枳壳验证样品图像特征集矩阵；采用所述炮制后衢枳壳训练样品图像矩阵以及衢枳壳炮制方式名称集对第一分类器、第二分类器、第三分类器和第四分类器分别进行训练；再采用炮制后衢枳壳验证样品图像矩阵以及衢枳壳炮制方式名称集对第一分类器、训练后的第二分类器、训练后的第三分类器和训练后的第四分类器中进行一次验证，得到最终多分类器模型；S3、采集待筛选的衢枳壳炮制药物样本集以及对应的炮制方式名称；采用所述最终多分类器模型对待筛选的衢枳壳炮制药物样本集中每个衢枳壳炮制药物样本进行分类，得到待筛选的衢枳壳炮制药物的炮制方式名称集；设定衢枳壳炮制药物筛选规则；根据所述衢枳壳炮制药物筛选规则对待筛选的衢枳壳炮制药物样本集进行筛选，得到筛选后衢枳壳炮制药物样本集；所述S1包括以下步骤：S11、设定衢枳壳炮制方式名称集，表示第种衢枳壳炮制方式名称，表示衢枳壳炮制方式名称集中衢枳壳炮制方式名称的总个数；S12、根据所述衢枳壳炮制方式名称集采集对应的炮制后衢枳壳样品图像矩阵；如下， ；其中，表示采用第种衢枳壳炮制方式炮制后的第个衢枳壳样品图像；表示收集的采用每种衢枳壳炮制方式炮制后的衢枳壳样品图像总个数；S13、构建炮制后衢枳壳特征类别集，表示第个炮制后衢枳壳特征类别，表示炮制后衢枳壳特征类别集中衢枳壳特征类别的总个数；根据所述炮制后衢枳壳特征类别集对所述炮制后衢枳壳样品图像矩阵中的各个样品进行特征提取，得到炮制后衢枳壳样品图像特征集矩阵；如下， ；其中，表示采用第种衢枳壳炮制方式炮制后的第个衢枳壳样品图像的特征集，，表示采用第种衢枳壳炮制方式炮制后的第个衢枳壳样品图像的特征集中第个特征数据；所述S2包括以下步骤：S21、构建初始多分类器模型，所述初始多分类器模型中分类器集为，、、和分别表示所述初始多分类器模型中的第一分类器、第二分类器、第三分类器和第四分类器；S22、设定训练集比例为，验证集比例为；根据所述训练集比例和验证集比例对炮制后衢枳壳样品图像特征集矩阵进行划分，得到炮制后衢枳壳训练样品图像特征集矩阵和炮制后衢枳壳验证样品图像特征集矩阵；分别如下， ；；其中，表示采用第种衢枳壳炮制方式炮制后的第个衢枳壳训练样品图像的特征集；表示采用第种衢枳壳炮制方式炮制后的第个衢枳壳验证样品图像的特征集；表示收集的采用每种衢枳壳炮制方式炮制后的衢枳壳训练样品图像的特征集的总个数；S23、采用所述炮制后衢枳壳训练样品图像矩阵以及衢枳壳炮制方式名称集对第一分类器、第二分类器、第三分类器和第四分类器分别进行训练，得到训练后的第一分类器、训练后的第二分类器、训练后的第三分类器和训练后的第四分类器；S24、将所述炮制后衢枳壳验证样品图像矩阵以及衢枳壳炮制方式名称集分别输入至训练后的第一分类器、训练后的第二分类器、训练后的第三分类器和训练后的第四分类器中进行一次验证，得到一次验证结果；根据所述一次验证结果对训练后的第一分类器、训练后的第二分类器、训练后的第三分类器和训练后的第四分类器进行参数调整；得到调整后的第一分类器、调整后的第二分类器、调整后的第三分类器和调整后的第四分类器；S25、根据所述调整后的第一分类器、调整后的第二分类器、调整后的第三分类器和调整后的第四分类器得到最终多分类器模型；所述S23包括以下步骤：S231、设定所述第一分类器、第二分类器、第三分类器和第四分类器的训练误差阈值分别为、、和；S232、将所述炮制后衢枳壳训练样品图像矩阵以及衢枳壳炮制方式名称集分别输入至第一分类器、第二分类器、第三分类器和第四分类器中进行训练；当所述第一分类器的训练误差小于或者等于时，对所述第一分类器的训练完成，得到所述训练后的第一分类器；当所述第二分类器的训练误差小于或者等于时，对所述第二分类器的训练完成，得到所述训练后的第二分类器；当所述第三分类器的训练误差小于或者等于时，对所述第三分类器的训练完成，得到所述训练后的第三分类器；当所述第四分类器的训练误差小于或者等于时，对所述第四分类器的训练完成，得到所述训练后的第四分类器；所述S24包括以下步骤：S241、设定所述第一分类器的参数集为、第二分类器的参数集为、第三分类器的参数集为以及第四分类器的参数集为，将所述第一分类器的参数集、第二分类器的参数集、第三分类器的参数集以及第四分类器的参数集进行合并，得到初始多分类器参数集；S242、设定所述训练后的第一分类器、训练后的第二分类器、训练后的第三分类器和训练后的第四分类器的验证准确率阈值分别为、、和；S243、将所述炮制后衢枳壳验证样品图像矩阵以及衢枳壳炮制方式名称集分别输入至训练后的第一分类器、训练后的第二分类器、训练后的第三分类器和训练后的第四分类器中进行一次验证，得到一次验证准确率集，、、和分别表示训练后的第一分类器的一次验证准确率、训练后的第二分类器的一次验证准确率、训练后的第三分类器的一次验证准确率和训练后的第四分类器的一次验证准确率；S244、当时，无需对所述第一分类器的参数集进行调整；当，需要对所述第一分类器的参数集进行调整；当时，无需对所述第二分类器的参数集进行调整；当，需要对所述第二分类器的参数集进行调整；当时，无需对所述第三分类器的参数集进行调整；当，需要对所述第三分类器的参数集进行调整；当时，无需对所述第四分类器的参数集进行调整；当，需要对所述第四分类器的参数集进行调整；得到所述调整后的第一分类器、调整后的第二分类器、调整后的第三分类器和调整后的第四分类器。

全文数据：

权利要求：

百度查询： 常山县农业农村局 一种基于数据挖掘的衢枳壳炮制药物筛选方法及系统