[发明专利]一种基于昆虫生物学参数的昆虫分类方案设计方法

说明书

本发明公开了一种基于昆虫生物学参数的昆虫分类方案设计方法；该发明可以用于多类迁飞昆虫分类辨识研究；该方法获取多种类型迁飞昆虫的多维生物学参数，基于聚类中心构建昆虫的类间可分性测度，然后根据类间可分性测度通过反复的基于排序的合并，形成由l‑1个分支构成的二叉树，得到分类方案；最后基于训练样本，训练出l‑1个二分类器，用二分类器支持向量机搭建分类模型，完成分类方案设计过程。本发明还提出了基于昆虫体重、振翅频率、体长等生物学参数进行昆虫分类研究，给出了数据处理和构造的方法。本发明给出了合理的分类辨识方案，最终以高概率实现迁飞昆虫的种类辨识，提高迁飞昆虫种类的辨识精确度。

技术领域

本发明属于昆虫雷达技术领域，具体一种基于昆虫生物学参数的昆虫分类方案设计方法。

背景技术

昆虫迁飞是造成农作物病虫害和人畜疫病流行的重要原因，其中昆虫迁飞造成的害虫异地暴发等现象严重威胁着农作物的生产，已成为制约农业稳定发展的关键问题，目前害虫的主要防治途径是化学农药，但是每年都会因为化学农药的残留问题造成很多人畜中毒事件。因此，实现迁飞昆虫个体及群体的有效监测，对农业病虫害的预防，揭示昆虫特定行为习惯机理，阐明昆虫迁飞与当地生态系统的互作关系等方面都有重要的意义。

对昆虫迁飞现象的监测有许多手段，如空中网捕、地面诱捕、电子标签追踪以及雷达探测等。其中雷达探测作为一种重要的监测手段，具有探测距离远，空中目标定位及工作时间长等优势。监测主要目的之一是迁飞昆虫种类的识别。传统的昆虫识别的流程一般是对训练样本进行数码图像获取、图像预处理、特征提取和特征汰选后构建分类器，实现昆虫的辨识。但是远距离高空迁迁飞昆虫不能获得实时的数码图像，为了实现远距离迁飞昆虫种类的辨识，传统的分类辨识方法将不适用。

迁飞昆虫的形状、尺寸、体重和振翅频率等信息可作为种类辨识的特征量，其中形状尺寸等信息主要可以通过质量、体长等具体参数进行量化表示。已有研究表明，现有的垂直昆虫雷达可以测得昆虫体重、振翅等参数，为昆虫个体种类辨识提供了依据，但目前所能做到的种类辨识仍需要借助一些先验知识的参考，并只能在大类层面上进行识别，无法实现迁飞昆虫种类的精确辨识。如果基于机器学习的方法，利用昆虫质量、体长和振翅频率等参数，设计分类辨识方案，能够以高辨识率实现迁飞昆虫种类的辨识，则可以为雷达生物目标辨识提供思路。

发明内容

有鉴于此，本发明提供了一种基于昆虫生物学参数的昆虫分类方案设计方法，给出合理的分类辨识方案，最终以高概率实现迁飞昆虫的种类辨识，提高迁飞昆虫种类的辨识精确度。

本发明提供的基于昆虫生物学参数的昆虫分类方案设计方法，包括如下步骤：

步骤一、获取迁飞昆虫多维生物学参数，作为训练样本；

步骤二、制定分类方案：

S21、对训练样本进行聚类，获得每类昆虫的聚类中心m_i，i＝1,…l；计算任意两类昆虫的类间可分性测度dm_ij：

其中，d(m_i,m_j)为第i类昆虫和第j类昆虫的聚类中心的欧氏距离，σ_i和σ_j分别表示第i类昆虫和第j类昆虫的生物学参数方差，l为类别的总数；

S22、对所有类昆虫的类间可分性测度大到小排列，找到最小的类间可分性测度，将对应的两类昆虫合并为一类；重复步骤S21和S22，直到所有种类合并为一类，得到一个二叉树；将所述二叉树翻转，即可得到分类方案；

步骤三、搭建分类模型：

依照所述分类方案，二叉树的每一个二叉分支对应一个二分类器，基于训练样本，训练出l-1个二分类器，用二分类器支持向量机搭建分类模型，完成分类方案设计过程。