DOI：10.3969/j.issn.1672-3872.2025.15.001
基金项目：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）
作 者：祝心雨1 ，徐达宇1 ，张旭尧2（1. 浙江农林大学数学与计算机科学学院，浙江 杭州 311300；2. 浙江农林大学经济管理学院，浙江 杭州 311300）
摘 要：【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
引文信息：[1]祝心雨，徐达宇，张旭尧.基于BERT和SSA-BXS的水稻表型组学实体分类研究[J].南方农机，2025，56(15)：1-8+14.
查看全文请下载PDF文件↓
