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！

龙图腾网获悉华中农业大学申请的专利一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119580830B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411758362.7，技术领域涉及：G16B20/00；该发明授权一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统是由熊慧娟;杨文宇;黄一丹;卓琳设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统在说明书摘要公布了：本发明提供了一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统，对作物表型预测构建了自适应融合预测因子的线性和非线性效应的新模型，并通过自适应调整权重的方法评估不同效应对表型的重要程度，实现了综合考虑作物表型预测中的线性主效应和非线性关系的影响的功能。本发明求解模型时，对训练数据集进行特征约简并利用广义逆快速有效地求解模型，提高了生物材料表型值的测定效率。本发明通过多次随机划分实验数据集得到的学习集和测试集进行模型学习，降低了模型的系统误差，提高了表型预测结果的稳定性。本发明对表型预测的有效性在基于DNA分子标记的基因型数据和基于代谢物的中间组学数据上均得到了验证。

本发明授权一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统在权利要求书中公布了：1.一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：包括以下步骤： S1：构建按自适应权重融合线性主效应和非线性效应的表型预测模型； S2：获取并按比例划分实验数据得到学习集和测试集；采用主成分分析方法PCA和核主成分分析方法KPCA约简学习集，在学习集上降维构建约简基底，进一步得到约简测试集；具体步骤为： S21：将实验数据按一定比例随机划分一部分数据作为学习集用于模型学习，将剩下的数据作为测试集用于评估模型性能； S22：采用主成分分析方法PCA对学习集进行线性特征约简得到学习集的线性特征约简子集，采用核主成分分析方法KPCA对学习集进行非线性特征约简得到学习集的非线性特征约简子集，在学习集上降维构建基底，基于基底分别得到测试集的线性特征约简子集和非线性特征约简子集； S3：将约简后的学习集代入模型，采用五折交叉验证、广义逆技术和贝叶斯优化算法确定模型参数； S4：将约简后的测试集代入学习后的模型，通过计算测试集的表型值得到评估模型性能的指标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华中农业大学，其通讯地址为：430070 湖北省武汉市洪山区狮子山街1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。