基于多分類器集成豬育種數(shù)據(jù)挖掘.pdf

1、一方面，我國是一個養(yǎng)豬大國，豬肉產(chǎn)量居世界第一。但核心的種豬長期依靠進口，在豬育種上的工作遠落后于其他先進的國家。另一方面，隨著計算機的普及和信息化的步伐逐漸加快，互聯(lián)網(wǎng)已經(jīng)滲透到社會中的各行各業(yè)，而農(nóng)業(yè)也迎來改革，信息化的管理系統(tǒng)正在不斷提高農(nóng)業(yè)生產(chǎn)效率。再者，如今數(shù)據(jù)挖掘技術(shù)不斷趨于成熟，在實踐中沉淀下來大量經(jīng)典的算法，但豬育種領(lǐng)域尚未有數(shù)據(jù)挖掘應(yīng)用的先例，因此本文通過數(shù)據(jù)挖掘手段來研究豬育種模型，為豬的育種工作開辟新道路。本文的研

2、究成果為豬育種工作乃至生物育種工作提供了新思路;同時，豬育種效率的提高，在同等的市場需求量下，就可以減少豬的飼養(yǎng)數(shù)量，對保護環(huán)境起到積極的作用。
　　本文完成了以下幾個方面的工作。
　　第一，基于生物工程手段對數(shù)據(jù)進行預(yù)處理?？紤]到實驗用的配種記錄數(shù)據(jù)特征較少以及配種個體的重復(fù)使用性，結(jié)合育種學(xué)領(lǐng)域經(jīng)典的BLUP即最佳線性無偏預(yù)測，計算個體的EBV(Estimated Breeding Value)作為新的特征。
　　

3、第二，比較各分類算法以及組合策略的分類效果。通過實驗比較樸素貝葉斯、邏輯回歸、隨機森林和支持向量機等算法在不平衡數(shù)據(jù)集和平衡數(shù)據(jù)集下的分類效果，并運用分類閾值調(diào)整策略，一定程度上提高了小樣本類的精確度(Precision)和召回率(Recall)，分析發(fā)現(xiàn)本文中數(shù)據(jù)集的平衡性對分類準確率的影響較小。基于以上基礎(chǔ)分類算法，提出了簡單投票策略、平均值最大策略、乘積最大策略和妥協(xié)策略等組合策略，對于不平衡數(shù)據(jù)集，分類準確率最高達到90.10％

4、;對于平衡的數(shù)據(jù)集，分類準確率最高達到91.43％。并且對于錯分樣本，結(jié)合實際情況，提出針對第1胎次的降級策略。
　　第三，將本文研究成果應(yīng)用于實際生產(chǎn)?；诒疚难芯砍晒_發(fā)軟件系統(tǒng)，包括近交分析、留種分析和配種模型三個子模塊。近交分析基于近交定律幫助用戶分析種群中個體之間的近交情況;留種分析基于BLUP方法幫助用戶更高效地挑選后備種豬;配種模型基于本文的研究成果，為用戶推薦與待配種母豬最適配的公豬。系統(tǒng)已在豬場進行了實際應(yīng)用，解