一种水稻指纹图谱计算机检索方法.docVIP

一种水稻指纹图谱计算机检索方法 摘　要　水稻的DNA指纹图谱可作为水稻品种指纹，应用于品种真实性、品种纯度检验和新品种登记。本文提出一种基于机器学习的水稻指纹图谱检索方法，由计算机自动提取指纹图谱特征，并利用支持向量机作为学习机器，构造水稻品种指纹图谱的分类器，实现对未知样品的品种分类。实验表明该方法是可行的，可以辅助提高水稻品种鉴别效率。 关键词　图像检索　指纹图谱　支持向量机 A METHOD OF PADDY FINGERPRINT IMAGES RETRIEVE Abstract DNA image is regarded as fingerprint of paddy. It is applies in variety identification, varietal purity examination, and new variety registration. This article proposed a search method based on SVM (Support Vector Machine). By extracting the fingerprint feature automatically, we make use of SVM to create a classifer. Experiments shows that our method is useful and can help to improve the efficieny of variety identification. Keywords Image Retrieve DNA Fingerprint Indentification SVM引言 。…，l，xi ∈Rn，yi∈{1，-1}l)，为获得最少错分样本和最大分类间隔，即获得最优分类面，SVM需要解决的问题是在满足式（2）约束条件下最小化式（2）给出的目标函数Φ（ω，ξ）。 (1) (2) 其中训练样本xi被函数zi=Φ(xi)映射到高维空间中，ω∈Rn是超平面的系数向量，b∈R为阈值，ξ为松驰变量，C≥0是对错分样本的惩罚因子。 利用Lagrange多项式把上述最优分类面问题转化为其对偶问题，即寻找最大化目标函数： (3) 满足约束条件： (4) ai为与每个约束条件(3)对应的Lagrange乘子。这是一个不等式约束下二次函数寻优的问题，存在唯一解。在寻优过程中，解中只有一部分（通常是少部分） （i不为零，对应的样本就是支持向量或边界支持向量。只有支持向量影响最终的划分结果。训练支持向量的过程也是寻找支持向量的过程。 于是相应的分类决策函数为： (5) 其中，ai*为对应a≠0的向量，称为支持向量；m为支持向量的数目，b*为与ai*对应的阈值；K(xi,xj)= Φ(xi)?Φ(xj)为核函数。 指纹图谱 典型的水稻种子SSR[7]指纹图谱呈带状，如图1所示。 图1 水稻种子SSR指纹图谱 上图左右两边是参照物的图谱。中间是四个不同品种的图谱。RM227、RM72、RM152、RM55是SSR分析所采用的引物名称，引物名称旁标注的数字，2、13、14、15等，是等位基因序号。图谱上的明显深棕色区域为条带。各条带的中心位置相对于参照引物的第一条带的中心位置称为该条带的相对迁移率。 归一化后的条带迁移率的计算： (6) 公式(6)中xi为第i条条带相对迁移率（距参照物第一条谱带的距离），A为该参照物图谱的起始距离，B为参照物图谱的结束距离。计算得到的样品的归一化后的谱带集为（Rm1,Rm2,…,Rmn），Rmi为归一化后的条带迁移率，即标准迁移率。 支持向量机应用于指纹图谱检索的方法 方法过程 建立和运用分类器的方法过程如下： Step1：数据采集，得到已知品种的样品图谱。通过特定的制备指纹图谱的设备，可能得到成图像件，或者先将制备好的指纹图谱拍照，再扫描成图像文件。 Step2：提取已知品种的样品特征，形成特征向量组。 Step3： 图像特征的选取是设计图像检索系统的关键。好的特征应该能够排除噪音，抓住图像类的本质。特征的这种性质可以用不变性来刻画。直观地说，所谓不变性，就是特征在描述图像的内容时不受图像某类形变，如平移、旋转、缩放等的影响的性质。从图2可以看到，不同水稻品种图谱中的条带数目和条带迁移率有差别，与