期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BERT和SSA-BXS的水稻表型组学实体分类研究
1
作者
祝心雨
徐达宇
张旭尧
《南方农机》
2025年第15期1-8,14,共9页
【目的】解决由于水稻表型组学数据丰富多样而导致的信息提取和利用效率较低等问题,提高水稻表型组学实体分类的准确性和效率。【方法】提出了一种基于麻雀搜索算法优化的水稻表型组学实体分类模型。该模型采用创新的混合集成学习策略,...
【目的】解决由于水稻表型组学数据丰富多样而导致的信息提取和利用效率较低等问题,提高水稻表型组学实体分类的准确性和效率。【方法】提出了一种基于麻雀搜索算法优化的水稻表型组学实体分类模型。该模型采用创新的混合集成学习策略,并引入BERT模型,以利用其深度双向编码能力高效提取水稻表型组学实体的词向量特征,实现精准分类。此外,与传统单一分类器(SVM、LGBM、XGBoost、CatBoost和MLP)进行了比较实验,验证本研究所提方法的优越性。【结果】SSA-BXS模型在准确率、精确率、召回率和F1-score等关键指标上均显著优于其他方法,分别达88.07%、90.85%、88.07%和88.32%。【结论】本研究所提出的混合整合方法在水稻表型组学实体分类任务中的表现出色,显示出其实用价值与潜力,可为未来水稻表型组学的深入研究提供有力支持。
展开更多
关键词
水稻表型组学
实体分类
麻雀搜索算法
混合集成
学
习
BERT模型
在线阅读
下载PDF
职称材料
基于Stacking集成学习的水稻表型组学实体分类研究
被引量：
24
2
作者
袁培森
杨承林
+2 位作者
宋玉红
翟肇裕
徐焕良
《农业机械学报》
EI
CAS
CSCD
北大核心
2019年第11期144-152,共9页
为研究整合水稻表型组学相关知识,系统地建立水稻表型组学知识图谱,通过分布式爬虫框架从国家水稻数据中心网站获取水稻表型组学数据集,并以互动百科为辅助数据源获取水稻表型组学数据。对水稻表型组学数据采用TF-IDF技术结合潜在语义...
为研究整合水稻表型组学相关知识,系统地建立水稻表型组学知识图谱,通过分布式爬虫框架从国家水稻数据中心网站获取水稻表型组学数据集,并以互动百科为辅助数据源获取水稻表型组学数据。对水稻表型组学数据采用TF-IDF技术结合潜在语义模型进行预处理,并对水稻表型组学实体进行人工分类和标注。为实现水稻表型组学实体分类,研究了基于堆叠式两阶段集成学习的分类器组合模型,结合K-近邻算法、支持向量机、随机森林、梯度提升决策树机器学习方法,提升水稻表型组学实体数据分类的性能。研究表明,基于堆叠式两阶段集成学习的分类器组合模型对不同类别的水稻表型组学数据都具有较好的多分类能力,对于不平衡的水稻表型组学数据集,本文方法的分类器组合模型对水稻表型组学数据分类效果最佳,Gene类别的F1为90.47%,总体准确率达80.55%,比支持向量机、K-近邻、随机森林和梯度提升决策树4种基分类器的分类准确率平均高6.78个百分点。
展开更多
关键词
水稻表型组学
实体分类
堆叠式集成
学
习
知识图谱
潜在语义模型
在线阅读
下载PDF
职称材料
题名
基于BERT和SSA-BXS的水稻表型组学实体分类研究
1
作者
祝心雨
徐达宇
张旭尧
机构
浙江农林大学数学与计算机科学学院
浙江农林大学经济管理学院
出处
《南方农机》
2025年第15期1-8,14,共9页
基金
国家自然科学基金“‘5G+IoT’场景下混合数据流驱动的作物生长状态智能预测研究”(72001190)
教育部人文社科基金(20YJC630173)。
文摘
【目的】解决由于水稻表型组学数据丰富多样而导致的信息提取和利用效率较低等问题,提高水稻表型组学实体分类的准确性和效率。【方法】提出了一种基于麻雀搜索算法优化的水稻表型组学实体分类模型。该模型采用创新的混合集成学习策略,并引入BERT模型,以利用其深度双向编码能力高效提取水稻表型组学实体的词向量特征,实现精准分类。此外,与传统单一分类器(SVM、LGBM、XGBoost、CatBoost和MLP)进行了比较实验,验证本研究所提方法的优越性。【结果】SSA-BXS模型在准确率、精确率、召回率和F1-score等关键指标上均显著优于其他方法,分别达88.07%、90.85%、88.07%和88.32%。【结论】本研究所提出的混合整合方法在水稻表型组学实体分类任务中的表现出色,显示出其实用价值与潜力,可为未来水稻表型组学的深入研究提供有力支持。
关键词
水稻表型组学
实体分类
麻雀搜索算法
混合集成
学
习
BERT模型
分类号
Q943 [生物学—植物学]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Stacking集成学习的水稻表型组学实体分类研究
被引量：
24
2
作者
袁培森
杨承林
宋玉红
翟肇裕
徐焕良
机构
南京农业大学信息科学技术学院
马德里理工大学技术工程和电信系统高级学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2019年第11期144-152,共9页
基金
国家自然科学基金项目(61502236)
中央高校基本科研业务费专项资金项目(KJQN201651)
大学生创新创业训练专项计划项目(S20190025)
文摘
为研究整合水稻表型组学相关知识,系统地建立水稻表型组学知识图谱,通过分布式爬虫框架从国家水稻数据中心网站获取水稻表型组学数据集,并以互动百科为辅助数据源获取水稻表型组学数据。对水稻表型组学数据采用TF-IDF技术结合潜在语义模型进行预处理,并对水稻表型组学实体进行人工分类和标注。为实现水稻表型组学实体分类,研究了基于堆叠式两阶段集成学习的分类器组合模型,结合K-近邻算法、支持向量机、随机森林、梯度提升决策树机器学习方法,提升水稻表型组学实体数据分类的性能。研究表明,基于堆叠式两阶段集成学习的分类器组合模型对不同类别的水稻表型组学数据都具有较好的多分类能力,对于不平衡的水稻表型组学数据集,本文方法的分类器组合模型对水稻表型组学数据分类效果最佳,Gene类别的F1为90.47%,总体准确率达80.55%,比支持向量机、K-近邻、随机森林和梯度提升决策树4种基分类器的分类准确率平均高6.78个百分点。
关键词
水稻表型组学
实体分类
堆叠式集成
学
习
知识图谱
潜在语义模型
Keywords
rice phenomics
entities classification
stacking ensemble learning
knowledge graph
latent semantic indexing
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BERT和SSA-BXS的水稻表型组学实体分类研究
祝心雨
徐达宇
张旭尧
《南方农机》
2025
0
在线阅读
下载PDF
职称材料
2
基于Stacking集成学习的水稻表型组学实体分类研究
袁培森
杨承林
宋玉红
翟肇裕
徐焕良
《农业机械学报》
EI
CAS
CSCD
北大核心
2019
24
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
