CN114547282B - 一种植物分类动态检索方法 - Google Patents

一种植物分类动态检索方法 Download PDF

Info

Publication number
CN114547282B
CN114547282B CN202210181711.8A CN202210181711A CN114547282B CN 114547282 B CN114547282 B CN 114547282B CN 202210181711 A CN202210181711 A CN 202210181711A CN 114547282 B CN114547282 B CN 114547282B
Authority
CN
China
Prior art keywords
plant
question
optionindex
plantaindex
pwmatrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210181711.8A
Other languages
English (en)
Other versions
CN114547282A (zh
Inventor
林小桦
陈金曼
高理文
詹若挺
龙泳伶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou University of Traditional Chinese Medicine
Original Assignee
Guangzhou University of Traditional Chinese Medicine
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou University of Traditional Chinese Medicine filed Critical Guangzhou University of Traditional Chinese Medicine
Priority to CN202210181711.8A priority Critical patent/CN114547282B/zh
Publication of CN114547282A publication Critical patent/CN114547282A/zh
Application granted granted Critical
Publication of CN114547282B publication Critical patent/CN114547282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/316—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开一种植物分类动态检索方法，包括预处理阶段和开放使用阶段，在预处理阶段中得到答案矩阵answerMatrix和概率权重矩阵PWMatrix，在开放使用阶段借助答案矩阵answerMatrix和概率权重矩阵PWMatrix，寻找最优的问题，选择该问题的某个选项答案后，筛选出满足该选项的候选植物种类，不断寻找新的最优的问题，直至确认待识别的植物的种类。本发明能够动态组织定制初始候选的植物种类集合，根据实际情况收窄初始范围，以加速检索到当前植物的种类，同时回答尽可能少的问题，便能锁定当前植物种类。

Description

一种植物分类动态检索方法
技术领域
本发明涉及植物分类领域，更具体地，涉及一种植物分类动态检索方法。
背景技术
据不完全统计，全球有植物约38万种，我国也是世界上植物资源最为丰富的国家之一，约有植物3万多种。识别、鉴定植物的种类，是实施植物的引种栽培、合理开发利用的重要前提。然而，植物种类的丰富性和形态多样性使植物分类的理论和方法面临严峻挑战。即使是资深的植物分类学家也只能辨识特定区域的部分植物种。与植物的丰富和多样性相比，植物分类学家永远短缺，从而引起所谓“分类障碍”问题。
植物分类检索表是鉴定植物种类的重要工具资料之一，可以帮助我们初步确定植物的科、属、种的名称，常见的植物分类检索表有定距式[级次式]、平行式、和连续平行式三种类型。但植物分类检索表在使用过程中存在一定的缺点：一是检索问题按专业习惯固定，往往从“门”开始区分，要历经较多的问题才能落实植物的种类。查找起来费时费力，特别是检索表中编排的特征内容较多的情况下，更难查找。
其次需要使用者有一定的专业基础，非专业人员即使是利用检索表也难以正确地识别植物的种类。
再者若是在检索的过程中遇到某个问题无法回答，那么整个检索过程将无法继续。
此外，如果在野外进行植物普查，这些检索表资料，不仅携带麻烦，而且使用不便。传统的植物分类检索表，很难实现共享和交流，并且也很难对新发现的植物进行快速灵活检索和动态更新，更难以将多媒体技术和数学模型分析等现代科学技术手段应用到植物分类与识别之中。
现有技术中公开了一种植物检索方法和系统，所述方法包括：接收用户输入的一个或多个检索信息；根据所述检索信息进行筛选运算，若剩余待筛选物种的个数大于预设阈值，对所述剩余待筛选物种进行分析，得到一个或多个特征属性并显示；接收用户针对所述一个或多个特征属性的输入，基于所述输入对所述剩余待筛选物种进一步筛选，若剩余待筛选物种的个数仍然大于预设阈值，再次对所述剩余待筛选物种进行分析，直至剩余待筛选物种个数不大于所述预设阈值；将所述剩余待筛选物种向用户反馈。该发明的初始候选的植物种类集合不可以动态组织定制的，没有办法根据实际情况收窄初始范围，以加速检索到当前植物的种类。
发明内容
本发明提供一种植物分类动态检索方法，为人们提供一种方便快捷的植物检索工具。
为解决上述技术问题，本发明的技术方案如下：
一种植物分类动态检索方法，包括以下步骤：
预处理阶段：所述预处理阶段根据植物分类文献资料，建立植物分类检索问题表，并对纳入考虑的每一种植物，根据所述植物分类检索问题表，得到答案矩阵answerMatrix和概率权重矩阵PWMatrix，所述答案矩阵answerMatrix和概率权重矩阵PWMatrix均为三维矩阵，所述答案矩阵answerMatrix的每一个元素answerMatrix[plantIndex,questionIndex,optionIndex]表示植物plantIndex是否符合第questionIndex个问题的第optionIndex个选项，所述概率权重矩阵PWMatrix的每一个元素PWMatrix[plantIndex,questionIndex,optionIndex]表示植物plantIndex符合第questionIndex个问题的第optionIndex个选项的概率权重大小；
开放使用阶段：对于一个待识别的植物，根据所述答案矩阵answerMatrix和概率权重矩阵PWMatrix，寻找最优的问题，选择该问题的某个选项答案后，筛选出满足该选项的候选植物种类，不断寻找新的最优的问题，直至确认待识别的植物的种类。
优选地，所述预处理阶段具体包括以下步骤：
S1：根据植物分类文献资料，建立植物分类检索问题表；
S2：对纳入考虑的每一种植物，回答所述植物分类检索问题表中的每一个问题；
S3：新建答案矩阵answerMatrix、概率权重矩阵PWMatrix和非空矩阵nonEmptyMatrix，其中答案矩阵answerMatrix和概率权重矩阵PWMatrix均为三维矩阵，其1、2、3维度分别对应植物、问题和选项的编号；nonEmptyMatrix是二维矩阵，其1、2维度分别对应植物和问题的编号；三个矩阵的每一个元素的初始值都为0；
S4：依次针对植物分类检索问题表中的每一个问题，去查询所有植物在该问题上的答案选项情况，然后修改答案矩阵answerMatrix、概率权重矩阵PWMatrix和非空矩阵nonEmptyMatrix。
优选地，所述步骤S4具体包括以下步骤：
S4.1：顺序递增问题编号questionIndex，循环执行步骤S4.2至S4.5；
S4.2：依次递增植物编号plantIndex，循环执行步骤S4.3至4.5；
S4.3：初始化符合选项计算器optionSelectedNum为0；
S4.4：依次递增选项编号optionIndex，轮询每一个选项，若第plantIndex种植物，符合第questionIndex个问题的第optionIndex个选项，则设置answerMatrix[plantIndex，questionIndex，optionIndex]为1，设置PWMatrix[plantIndex，questionIndex，optionIndex]为1，把optionSelectedNum自增1，设置nonEmptyMatrix[plantIndex,questionIndex]为1；
S4.5：若optionSelectedNum不为0，依次递增选项编号optionIndex，循环把PWMatrix[plantIndex,questionIndex,optionIndex]除以optionSelectedNum并重新存储到PWMatrix[plantIndex,questionIndex,optionIndex]。
优选地，执行步骤S4后，根据地域或范围因素，依照某些植物常见与否的实际情况，分别针对若干个plantIndex，二重循环递增questionIndex和optionIndex，加倍或衰减PWMatrix[plantIndex,questionIndex,optionIndex]。
优选地，利用机器识别得到当前植物的候选种类列表，该列表中，越排在前面的，表示当前植物是该种植物的可能性越大，在步骤S4后，根据植物种类在该列表中的位置标号，差异化设置PWMatrix，是越靠前的植物，同一问题的所有选项的PWMatrix累计值越大。
优选地，所述预处理阶段还包括以下步骤：
S5：以二重循环方式，外循环顺序递增plantIndex，内循环顺序递增questionIndex，循环体内执行如下过程：
若nonEmptyMatrix[plantIndex,questionIndex]为0，也就是第plantIndex种植物在第questionIndex个问题上没有作答，则认为暂时保留该植物符合所有选项的可能性：对于第plantIndex种植物第questionIndex个问题的所有optionIndex，逐一设置answerMatrix[plantIndex,questionIndex,optionIndex]为1，对于第plantIndex种植物第questionIndex个问题的所有optionIndex，逐一设置PWMatrix[plantIndex,questionIndex,optionIndex]为1。
优选地，所述开放使用阶段具体包括以下步骤：
S6：初始化一个植物有效标记向量plantValid，所有值初始化为1，植物有效标记向量plantValid中的元素个数等于植物总数；
S7：初始化一个问题有效标记向量questionValid，所有值初始化为1，问题有效标记向量questionValid的元素个数等于问题总数；
S8：依次递增questionIndex，针对每一个questionIndex，根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值；
S9：新建一个问题权重向量questionWeight，所有值初始化为1，问题权重向量questionWeight中的元素个数等于问题总数；
S10：新建一个问题区分指数向量questionExponent，所有值设置为正无穷大，问题区分指数向量questionExponent中的元素个数等于问题总数；
S11：依次计算有效的第questionIndex个问题的questionExponent[questionIndex]；
S12：依次修改第questionIndex个问题的questionExponent[questionIndex]，具体为：依次针对每一个问题，把questionExponent[questionIndex]除以questionWeight[questionIndex]之后，再更新到questionExponent[questionIndex]；
S13：在问题区分指数向量questionExponent中，查找最小值，确定最小值的位置编号，也就是最小值所对应的questionIndex，记为bestQuestionIndex；
S14：向用户显示当前所有有效的候选植物种类，具体为，对于第plantIndex种植物，若plantValid[plantIndex]为1，显示；
S15：向用户显示第bestQuestionIndex个问题，若用户选择其中的某个选项答案，记为第q个选项，而不是跳过该问题，则顺序递增plantIndex，循环检查第plantIndex种植物，若answerMatrix[plantIndex,bestQuestionIndex,q]不等于1把plantValid[plantIndex]设为0；
S16：把questionValid[bestQuestionIndex]设为0，跳转到步骤S10。
优选地，所述步骤S8中根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值，具体为：
顺序递增plantIndex，对于所有plantIndex，把所有的nonEmptyMatrix[plantIndex，questionIndex]求和，记为sum；
若sum小于或等于1，设置questionValid[questionIndex]为0。
优选地，所述步骤S8中根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值，具体为：
顺序递增plantIndex，对于所有plantIndex，把所有的nonEmptyMatrix[plantIndex，questionIndex]求和，记为sum；
把sum除以植物种类总数得到的结果与预设阈值相比，若小于或等于预设阈值，设置questionValid[questionIndex]为0。
优选地，所述步骤S11中依次计算有效的第questionIndex个问题的questionExponent[questionIndex]，具体为：
S11.1：顺序递增questionIndex，循环执行步骤S11.2至S11.5；
S11.2：若questionValid[questionIndex]为1，依次执行步骤S11.3至S11.5；
S11.3：新建一个用于记录符合任意选项的植物种类数的向量plantSumOfEveryOption，向量的所有值初始化为0，针对每一个optionIndex，轮询每一个plantIndex，若plantValid[plantIndex]为1，把answerMatrix[plantIndex,questionIndex,optionIndex]累加到plantSumOfEveryOption[optionIndex]；
S11.4：新建一个用于记录符合任意选项的植物概率权重累计值的向量PWSumOfEveryOption，向量的所有值初始化为0，针对每一个optionIndex，轮询每一个plantIndex，若plantValid[plantIndex]为1，把PWMatrix[plantIndex,questionIndex,optionIndex]累加到PWSumOfEveryOption[optionIndex]；
S11.5：设置questionExponent[questionIndex]的值为plantSumOfEveryOption与PWSumOfEveryOption的点乘。
与现有技术相比，本发明技术方案的有益效果是：
[1]本发明的初始候选的植物种类集合，是可以动态组织定制的。这样一来，在全国各地乃至世界范围内，可根据当前所处的地域，排除那些不可能或者几乎不可能在该地域生长的植物。也允许把该分类方法应用于像公园、校园等有人为管理的相对小的封闭的范围内，这些时候，初始候选的植物种类集合就只由那些出现在该范围的少数的植物种类组成。还允许设定不同的权重系数，涵盖某些植物在该区域相比于一般植物以较大或较小的概率出现的客观事实。通过以上措施，收窄初始范围或较准确考虑实际情况，以加速检索到当前植物的种类。
[2]本发明在执行检索时，下一道问题以最能分开候选植物为目标动态确定。使得回答尽可能少的问题，便能锁定当前植物种类。而传统的植物分类检索表，按行业既定常识编写，没有特定考虑减少要回答问题的数量。撰写完成后，便固定印发使用。
[3]本发明中分别设定专业人士和非专业人士等多种角色，将为非专业人士提供力所能及的问题。
[4]执行本本发明的检索方法时，若在回答某问题时无法确定答案，可以跳过[不回答]该问题。后续会有下一个问题。而使用传统检索表方法时，若遇到一个问题无法回答，则停滞不前。
[5]由于可以任意设定初始候选植物种类集合以及灵活调整每一种植物的概率权重，本本发明的检索方法可以作为植物机器识别系统的后续步骤，两者有机结合，帮助人们快速准确鉴定植物种类。
附图说明
图1为本发明的检索方法流程示意图。
图2为本发明的检索方法中预处理阶段流程示意图。
图3为本发明的检索方法开放使用阶段。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种植物分类动态检索方法，如图1所示，包括以下步骤：
预处理阶段：所述预处理阶段根据植物分类文献资料，建立植物分类检索问题表，并对纳入考虑的每一种植物，根据所述植物分类检索问题表，得到答案矩阵answerMatrix和概率权重矩阵PWMatrix，所述答案矩阵answerMatrix和概率权重矩阵PWMatrix均为三维矩阵，所述答案矩阵answerMatrix的每一个元素answerMatrix[plantIndex,questionIndex,optionIndex]表示植物plantIndex是否符合第questionIndex个问题的第optionIndex个选项，所述概率权重矩阵PWMatrix的每一个元素PWMatrix[plantIndex,questionIndex,optionIndex]表示植物plantIndex符合第questionIndex个问题的第optionIndex个选项的概率权重大小；
开放使用阶段：对于一个待识别的植物，根据所述答案矩阵answerMatrix和概率权重矩阵PWMatrix，寻找最优的问题，选择该问题的某个选项答案后，筛选出满足该选项的候选植物种类，不断寻找新的最优的问题，直至确认待识别的植物的种类。
在具体的实施例中，假设当前候选植物种类数为N，有a个问题可供选择，那么可以把问题编号为Q1、Q2、Q3……Qi……Qa。
每个问题都有数量不等的若干个选项答案。每种植物在每个问题上的答案不一样，因此，当用户就一个问题回答了某个选项答案时，就排除了一些植物种类。于是，候选植物只剩下那些符合该选项答案的种类。
当前目标就是提出一个问题，等用户选择了该问题的一个选项答案后，候选植物种类数M尽可能小。
于是，便考察若采用任意一个问题Qi，所得到的M值。
假设问题Qi有Ki个选项，当前N种植物中，符合第1个选项的种类数为Ci1，符合第2个选项的种类数为Ci2，……符合第j个选项的种类数为Cij，……符合第ki个选项的种类数为Ciki。
这样，若用户选择了任意第j个选项，那么，候选种类数就会减少为Wij种。
这时，对于问题Qi，如果能获知选择第j个选项的概率Pij，就可以按式1计算Mi的概率估计值
Figure BDA0003521396540000071
Figure BDA0003521396540000072
令当前植物是第u种植物的概率为Pu。不妨先忽略植物出现的概率不均等的情况，设任意植物的Pu均为同一个数值X。
也就是：
Pu＝X[式2]
对于当前特定的某个植株个体而言，其形态特征是明确的，对某个问题的回答，基本上都只会符合其中一个选项。但是，对于一种[一类]植物而言，由于所处的生命周期阶段不同，气候和生态环境的影响，其形态特征可能会有不同的表现。那么，对于同一个问题，该种植物的不同个体，其符合的选项答案可能不同。
换句话说，可能出现这样的情况：同一个问题，一种植物的一些个体，符合一个选项，而另一些个体符合另一个选项。这种情况下，就要把Pu分配到该植物符合的所有选项中。在此，忽略同种植物符合不同选项的比例差异，采取平均分配的原则。
不妨用Puij表示第u种植物符合第i个问题的第j个选项的概率。若第u种植物总共符合第i个问题的Ki个选项中的Li个，那么：
Figure BDA0003521396540000081
于是，对于问题Qi，选择第j个选项的概率Pij，就可以用如下式子计算：
Figure BDA0003521396540000082
其含义是：对于当前待鉴定植物，选择问题Qi的第j个选项的概率等于所有候选植物选择问题Qi的第j个选项的概率的叠加。
正如前面所述，目标是采用个使得下一步候选植物种类数M能尽可能小的问题。那么只要从a个问题中，选择使得
Figure BDA0003521396540000083
最小的那个问题Qi便可。也就是求
Figure BDA0003521396540000084
结合前面[式1]至[式4]，可求解[式5]。
由于在求解[式5]的整个过程中，[式2]中的X均保持不变，是一个常数。所以，可以统一消去X，对于任意第i种植物，令
Pu＝1[式6]
容易证明，根据[式1]、[式3]、[式4]、[式6]求解[式5]，其结果和上述一致。这时，Pu不再是表示准确的概率值，而是一个相对的概率权重值。为了叙述方便，以下把Pu称为概率权重。
更进一步，可以按照需要，个性化设置第u种植物的概率权重Pu。比如，如果确定当前处于岭南地区，就可以把岭南地区常见的植物的概率权重Pu设置为2或者更高，其余仍保持为1。以此表示该植物的概率是普通植物的两倍或更高。
另一方面，针对于问题而言，也可以把某些问题设为无效，从而在求解过程中忽略它们。或者把第i个问题的
Figure BDA0003521396540000085
值乘以某个权重。以此来调低或调高该问题被采用的频度。
实施例2
本实施例在实施例1的基础上，提供预处理阶段的具体步骤，如图2所示，包括以下步骤：
S1：根据植物分类文献资料，建立植物分类检索问题表，如表1的第一行，收集了两个问题；
表1植物分类问题及答案
Figure BDA0003521396540000091
本实施例提供具体的植物分类检索问题表，具体如下：
1.植物的根系属于
(1)直根系 (2)须根系
2.植物是否发生了根的变态？
Figure BDA0003521396540000092
3.根据植物茎的类型判断植物属于：
(1)草本 (2)乔木
(3)灌木 (4)藤本
4.植物茎的外形？
(1)圆柱形 (2)方形
(3)三角形 (4)扁平形
(5)四棱形
5.植物的茎是？
(1)实心
(2)空心
6.茎是否有明显的节和节间？
(1)是 (2)否
7.茎枝上是否有叶痕、托叶痕、芽鳞痕、皮孔？
Figure BDA0003521396540000101
8.茎节是否有膨大？
(1)是 (2)否
9.芽的生长位置？
(1)定芽(芽的生长有一定位置，如顶芽、腋芽副芽)；
(2)不定芽(芽的生长无一定位置，可生长在茎的节间、根、叶及其他部位)
10.芽的外面是否有鳞片包被？
(1)是 (2)否
11.茎的质地是？
(1)木质
(2)草质
(3)肉质
12.茎是否发生了变态，其的变态种类是？
Figure BDA0003521396540000102
13.植物的茎是否有髓？
(1)实心无髓 (2)有，髓部较大 (3)有，髓部较小
(4)横髓隔 (5)中空(无髓) (6)横髓区
(7)髓鞘
14.叶为完全叶或不完全叶(叶片、叶柄、托叶俱全为完全叶)？
(1)完全叶 (2)不完全叶
15.植物叶柄形状？
(1)圆柱形 (2)半圆柱形 (3)扁平
(4)具有膨胀的气囊 (5)基部有叶枕 (6)螺旋状扭曲
(7)叶片状 (8)鞘状
16.是否有叶舌、叶耳？
(叶舌：叶鞘和叶片相接处的腹面有膜质凸起，如在叶舌两旁有一对从叶片基部边缘延伸出来的凸起物，叫叶耳，鉴别禾本科植物的依据之一)
(1)均无 (2)有叶舌
(3)有叶耳 (4)有叶舌、叶耳
17.关于叶和叶柄，该植物属于：
(1)无叶柄，抱茎叶 (2)无叶柄，贯穿叶
(3)有叶柄
18.托叶形状？
(1)刺状 (2)线状(3)翅状
(4)卷须 (5)叶状(6)如叶片大小
(7)鞘状 (8)托叶早落
19.叶片全形？
Figure BDA0003521396540000111
20.叶端形状？
(1)圆形 (2)钝形(3)截形(4)急尖
(5)渐尖 (6)渐狭(7)尾状(8)芒尖
(9)短尖 (10)微凹(11)微缺(12)倒心形
21.叶基的形状？
Figure BDA0003521396540000121
22.叶缘形状？
Figure BDA0003521396540000122
23.叶脉及脉序？
(1)羽状脉序 (2)掌状脉序 (3)直出平行脉
(4)横出平行脉 (5)射出平行脉 (6)弧形脉
(7)二叉脉序 (8)离基三出脉
24.叶的质地？
(1)膜质 (2)干膜质 (3)纸质
(4)草质 (5)革质 (6)肉质
25.叶的表面？
(1)光滑 (2)被粉 (3)粗糙
(4)被毛 (5)被蜡 (6)刺
(7)乳状突起 (8)腺点
26.叶缘是否有分裂？
(1)浅裂 (2)深裂 (3)全裂
(4)羽状分裂 (5)掌状分裂 (6)三出分裂
27.植物是单叶或复叶？
(1)单叶 (2)三出复叶 (3)掌状复叶
(4)单数羽状复叶 (5)双数羽状复叶 (6)二回羽状复叶
(7)三回羽状复叶 (8)单身复叶
28.植物叶序？
(1)互生 (2)对生
(3)轮生 (4)簇生
29.是否有异形叶性(同一植株上有不同形状的叶)？
(1)是 (2)否
30.是否有叶的变态？
(1)否 (2)苞片 (3)鳞叶
(4)叶刺 (5)叶卷须 (6)捕虫叶
31.叶柄横切面？
(1)半月形 (2)圆形 (3)三角形
32.叶片的构造？
(1)异面叶 (2)等面叶
33.是否均有花的六个基本部分：花梗、花托、花萼、花冠、雄蕊群、雌蕊群？
(1)完全花 (2)不完全花
34.花托形状？
(1)圆柱形
(2)圆锥形
(3)倒圆锥形
(4)凹陷成杯状
(5)在雌蕊基部或雄蕊与花冠之间形成肉质增厚呈扁平垫状、杯状、裂瓣状，常能分泌蜜汁，称为花盆
(6)在雌蕊基本向上延伸成柄状，称雌蕊柄
(7)花托在花冠以内部分延伸成柄状，称雌雄蕊柄或两蕊柄
(8)花萼以内部分延伸成柄状，称花冠柄
35.花萼与花冠？
(1)重被花(双被花) (2)同被花
(3)单被花 (4)无被花(裸花)常具显著苞片
(5)重瓣花
36.花萼形态？
(1)离生萼 (2)合生萼
37.花萼？
(1)有副萼 (2)落萼
(3)早落萼 (4)宿存萼
38.花萼变态？
(1)羽毛状 (2)鳞片状
(3)冠毛(针刺状) (4)膜质半透明
39.花冠基部是否具有蜜腺，花冠是否有特殊香味？
(1)具有蜜腺
(2)有特殊香味
(3)均无
40.花冠属于？
(1)离瓣花冠 (2)合瓣花冠
(3)下部联合，上不分离(花冠筒、花冠裂片) (4)无花冠
41.是否有副花冠(花瓣基部延伸成管状或囊状，或花冠上花冠与雄蕊之间有瓣状附属物，称副花冠)？
(1)是 (2)否
42.花冠的类型？
Figure BDA0003521396540000141
43.花被卷迭式？
(1)镊合状 (2)内向镊合状 (3)外向镊合状
(4)旋转状 (5)覆瓦状 (6)重覆瓦状
44.花丝长度？
(1)短 (2)长 (3)特别长
45.花药在花丝上的着生方式？
(1)全着药 (2)基着药 (3)背着药
(4)丁字着药 (5)个字着药 (6)广歧着药
46.雄蕊类型？
(1)离生雄蕊 (2)单体雄蕊 (3)二体雄蕊
(4)多体雄蕊、 (5)聚药雄蕊 (6)二强雄蕊
(7)四强雄蕊 (8)冠生雄蕊
47.雌蕊的类型？
(1)单雌蕊 (2)离生雌蕊 (3)复雌蕊(合生雌蕊)
48.子房位置？
(1)子房上位 (2)子房下位 (3)子房半下位49.胎座类型？
(1)边缘胎座 (2)侧膜胎座 (3)中轴胎座
(4)特立中央胎座 (5)基生胎座 (6)顶生胎座
(7)全面胎座
50.胚珠类型？
(1)直生胚珠 (2)横生胚珠
(3)弯生胚珠 (4)倒生胚珠
51.植物的花属于？
(1)两性花 (2)单性花 (3)无性花
52.雌雄同株、雌雄异株、杂性同株、杂性异株？
(1)雌雄同株 (2)雌雄异株
(3)杂性同株 (4)杂性异株
53.花序：
第一大类，单生花。
第二大类，无限花序：总状花序、复总状花序、穗状花序、复穗状花序、葇荑花序、肉穗花序、伞房花序、复伞房花序、伞形花序、复伞形花序、头状花序、隐头花序。
第三大类，有限花序(聚伞花序)：单歧聚伞花序(螺旋状聚伞花序、蝎尾状聚伞花序)、二歧聚伞花序、多歧聚伞花序、轮伞花序。
Figure BDA0003521396540000161
54.果实类型(根据果实形成部分)？
(1)真果 (2)假果
55.果实类型(根据来源、结构等)？
Figure BDA0003521396540000162
56.种子形状？
(1)圆形 (2)椭圆形 (3)肾形
(4)卵形 (5)圆锥形 (6)多角形
57.种子表面纹理？
(1)表面光滑、具光泽 (2)表面粗糙 (3)表面具皱褶
(4)具翅 (5)有刺状凸起 (6)具有毛绒
(7)腺点
本实施例提供的植物分类检索问题表一共有57道问题。
S2：对纳入考虑的每一种植物，回答所述植物分类检索问题表中的每一个问题；
本实施例纳入考虑30种植物，见表2，给出了回答3道题目的情况。遇到未能回答者，留空。
表2部分植物分类问题及答案
Figure BDA0003521396540000171
Figure BDA0003521396540000181
S3：新建答案矩阵answerMatrix、概率权重矩阵PWMatrix和非空矩阵nonEmptyMatrix，其中答案矩阵answerMatrix和概率权重矩阵PWMatrix均为三维矩阵，其1、2、3维度分别对应植物、问题和选项的编号；nonEmptyMatrix是二维矩阵，其1、2维度分别对应植物和问题的编号；三个矩阵的每一个元素的初始值都为0；
S4：依次针对植物分类检索问题表中的每一个问题，去查询所有植物在该问题上的答案选项情况，然后修改答案矩阵answerMatrix、概率权重矩阵PWMatrix和非空矩阵nonEmptyMatrix。
所述步骤S4中具体包括以下步骤：
S4.1：顺序递增问题编号questionIndex，循环执行步骤S4.2至S4.5；
S4.2：依次递增植物编号plantIndex，循环执行步骤S4.3至4.5；
S4.3：初始化符合选项计算器optionSelectedNum为0；
S4.4：依次递增选项编号optionIndex，轮询每一个选项，若第plantIndex种植物，符合第questionIndex个问题的第optionIndex个选项，则设置answerMatrix[plantIndex，questionIndex，optionIndex]为1，设置PWMatrix[plantIndex，questionIndex，optionIndex]为1，把optionSelectedNum自增1，设置nonEmptyMatrix[plantIndex,questionIndex]为1；
S4.5：若optionSelectedNum不为0，依次递增选项编号optionIndex，循环把PWMatrix[plantIndex,questionIndex,optionIndex]除以optionSelectedNum并重新存储到PWMatrix[plantIndex,questionIndex,optionIndex]。
其中，步骤S4求解得到answerMatrix，当questionIndex为3时的结果如表3；求解得到PWMatrix，当questionIndex为3时的结果如表4。两个表格的数据对应的是表2中的问题3。
表3 questionIndex为3时的answerMatrix的元素值
Figure BDA0003521396540000191
Figure BDA0003521396540000201
表4 questionIndex为3时的PWMatrix的元素值
Figure BDA0003521396540000202
Figure BDA0003521396540000211
对于概率权重矩阵PWMatrix的修改，有如下两个可选方案：
1.执行步骤S4后，根据地域或范围因素，依照某些植物常见与否的实际情况，分别针对若干个plantIndex，二重循环递增questionIndex和optionIndex，加倍或衰减PWMatrix[plantIndex,questionIndex,optionIndex]。
2.利用机器识别得到当前植物的候选种类列表，该列表中，越排在前面的，表示当前植物是该种植物的可能性越大，在步骤S4后，根据植物种类在该列表中的位置标号，差异化设置PWMatrix，是越靠前的植物，同一问题的所有选项的PWMatrix累计值越大。
所述预处理阶段还包括以下步骤：
S5：以二重循环方式，外循环顺序递增plantIndex，内循环顺序递增questionIndex，循环体内执行如下过程：
若nonEmptyMatrix[plantIndex,questionIndex]为0，也就是第plantIndex种植物在第questionIndex个问题上没有作答，则认为暂时保留该植物符合所有选项的可能性：对于第plantIndex种植物第questionIndex个问题的所有optionIndex，逐一设置answerMatrix[plantIndex,questionIndex,optionIndex]为1，对于第plantIndex种植物第questionIndex个问题的所有optionIndex，逐一设置PWMatrix[plantIndex,questionIndex,optionIndex]为1。
实施例3
本实施例在实施例1和实施例2的基础上，提供开放使用阶段的具体步骤，如图3所示，具体为：
S6：初始化一个植物有效标记向量plantValid，所有值初始化为1，植物有效标记向量plantValid中的元素个数等于植物总数；
S7：初始化一个问题有效标记向量questionValid，所有值初始化为1，问题有效标记向量questionValid的元素个数等于问题总数；
作为备选方案，在执行S7之后，可以把某些较难回答的问题对应的questionValid元素值设为0(或不作修改)，以获得当前使用者设为非专业人士(或专业人士)的效果。
S8：依次递增questionIndex，根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值；
所述步骤S8中根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值，具体为：
顺序递增plantIndex，对于所有plantIndex，把所有的nonEmptyMatrix[plantIndex，questionIndex]求和，记为sum；
若sum小于或等于1，设置questionValid[questionIndex]为0。意思即是对于该问题，只填写了1种以下植物的答案。也即是说，最多只有1种植物明确了选项，其余植物的答案未知。显然，该问题没有任何区分植物的作用。
还有另一种判断方法，把sum除以植物种类总数得到的结果与预设阈值相比，若小于或等于预设阈值，设置questionValid[questionIndex]为0。
S9：新建一个问题权重向量questionWeight，所有值初始化为1，问题权重向量questionWeight中的元素个数等于问题总数；
S10：新建一个问题区分指数向量questionExponent，所有值设置为正无穷大，问题区分指数向量questionExponent中的元素个数等于问题总数；
S11：依次计算有效的第questionIndex个问题的questionExponent[questionIndex]；
所述步骤S11中依次计算有效的第questionIndex个问题的questionExponent[questionIndex]，具体为：
S11.1：顺序递增questionIndex，循环执行步骤S11.2至S11.5；
S11.2：若questionValid[questionIndex]为1，依次执行步骤S11.3至S11.5；
S11.3：新建一个用于记录符合任意选项的植物种类数的向量plantSumOfEveryOption，向量的所有值初始化为0，针对每一个optionIndex，轮询每一个plantIndex，若plantValid[plantIndex]为1，把answerMatrix[plantIndex,questionIndex,optionIndex]累加到plantSumOfEveryOption[optionIndex]；
S11.4：新建一个用于记录符合任意选项的植物概率权重累计值的向量PWSumOfEveryOption，向量的所有值初始化为0，针对每一个optionIndex，轮询每一个plantIndex，若plantValid[plantIndex]为1，把PWMatrix[plantIndex,questionIndex,optionIndex]累加到PWSumOfEveryOption[optionIndex]；
S11.5：设置questionExponent[questionIndex]的值为plantSumOfEveryOption与PWSumOfEveryOption的点乘。
当questionIndex等于3时，plantSumOfEveryOption为[9,10,11,3]，PWSumOfEveryOption为[9,8.5,9.5,3]。questionExponent[3]等于279.5。
整个questionExponent为[inf表示正无穷大]：
[inf,9522,279.5,4034,1325,inf,2787.5,inf,inf,inf,1854,7457,3810,1252,5626,3081,inf,inf,284.6666667,1029.5,916,409.3333333,594,2098,1445.5,3565,807,872,inf,4820,inf,inf,inf,inf,900,1684,inf,inf,inf,410,inf,5644,inf,1360,inf,inf,inf,1325,inf,inf,1108,1570,594,900,2215,1736.5,3482]。
S12：依次修改第questionIndex个问题的questionExponent[questionIndex]，具体为：依次针对每一个问题，把questionExponent[questionIndex]除以questionWeight[questionIndex]之后，再更新到questionExponent[questionIndex]；
S13：在问题区分指数向量questionExponent中，查找最小值，确定最小值的位置编号，也就是最小值所对应的questionIndex，结果为3，记为bestQuestionIndex；
S14：向用户显示当前所有有效的候选植物种类，具体为，对于第plantIndex种植物，若plantValid[plantIndex]为1，显示；
系统显示内容：
当前有候选植物30种。具体为：
1广防风2巴戟天3洋金花4火炭母5龙眼6蒲桃7天南星8千里光9无花果10麻风树11杜虹花12牡丹13枇杷14荷花玉兰15阴香16苏木17佛手18常春藤19板蓝20木芙蓉21淡竹22威灵仙23扭肚藤24紫金牛25南五味子26鸡蛋花27十大功劳28枸骨29补骨脂30积雪草
S15：参考实施例2提供的植物检索问题表，向用户显示第bestQuestionIndex个问题，若用户选择其中的某个选项答案，记为第q个选项，而不是跳过该问题，则顺序递增plantIndex，循环检查第plantIndex种植物，若answerMatrix[plantIndex,bestQuestionIndex,q]不等于1把plantValid[plantIndex]设为0；
系统显示内容：
请回答第3题。
3.根据植物茎的类型判断植物属于：
[1]草本[2]乔木
[3]灌木[4]藤本
输入1到N分别代表当前植物符合该选项。输入-100表示跳过该题。输入-200表示马上结束程序。
用户观察了当前植物后，输入了3，表示用户认为当前植物属于灌木。
S16：把questionValid[bestQuestionIndex]设为0，跳转到步骤S10。
执行第二轮。
第二轮，系统显示：
当前有候选植物11种。具体为：
9无花果10麻风树11杜虹花12牡丹17佛手18常春藤20木芙蓉23扭肚藤24紫金牛27十大功劳28枸骨
系统选中了第19题来提问。
19.叶片全形？
[1]线形 [2]倒阔卵形 [3]倒卵形 [4]倒披针形
[5]圆形 [6]阔椭圆形 [7]长椭圆形 [8]阔卵形
[9]卵形 [10]披针形 [11]针形 [12]扇形
[13]心形 [14]肾形 [15]盾形 [16]箭形
[17]戟形 [18]匙形 [19]菱形 [20]镰形
[21]提琴形 [22]三角形 [23]鳞形 [24]管形
[25]偏斜形
用户观察了当前植物后，输入了8，表示用户认为当前植物叶片全形属于阔卵形。
第三轮，系统显示：
当前有候选植物4种。具体为：
9无花果10麻风树12牡丹18常春藤
系统选中了第53题来提问。
53.花序：
[1]单生花 [2]总状花序 [3]复总状花序
[4]穗状花序 [5]复穗状花序 [6]葇荑花序
[7]肉穗花序 [8]伞房花序 [9]复伞房花序
[10]伞形花序 [11]复伞形花序 [12]头状花序
[13]隐头花序 [14]单歧聚伞花序[螺旋状聚伞花序、蝎尾状聚伞花序][15]二歧聚伞花序[16]多歧聚伞花序[17]轮伞花序[18]圆锥花序
用户观察了当前植物后，输入了13，表示用户认为当前植物花序属于隐头花序。
随后系统显示：
当前有候选植物1种。具体为：
9无花果
候选植物只有1种，建议直接确认即可，谢谢使用。
可以看到，从30种候选植物，筛选至唯一一种植物，在这个例子中，只需要回答3个问题。作为对比，查阅专业书籍[熊耀康,严铸云.药用植物学[M].北京:人民卫生出版社,2014:387-424]的植物分类检索表，同样以无花果为例，需要回答147个问题才能落实到无花果所属的桑科。而且后面无法落实到无花果。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (8)

1.一种植物分类动态检索方法，其特征在于，包括以下步骤：
预处理阶段：所述预处理阶段根据植物分类文献资料，建立植物分类检索问题表，并对纳入考虑的每一种植物，根据所述植物分类检索问题表，得到答案矩阵answerMatrix和概率权重矩阵PWMatrix，所述答案矩阵answerMatrix和概率权重矩阵PWMatrix均为三维矩阵，所述答案矩阵answerMatrix的每一个元素answerMatrix[plantIndex,questionIndex,optionIndex]表示植物plantIndex是否符合第questionIndex个问题的第optionIndex个选项，所述概率权重矩阵PWMatrix的每一个元素PWMatrix[plantIndex,questionIndex,optionIndex]表示植物plantIndex符合第questionIndex个问题的第optionIndex个选项的概率权重大小；
开放使用阶段：对于一个待识别的植物，根据所述答案矩阵answerMatrix和概率权重矩阵PWMatrix，寻找最优的问题，选择该问题的某个选项答案后，筛选出满足该选项的候选植物种类，不断寻找新的最优的问题，直至确认待识别的植物的种类；
所述预处理阶段具体包括以下步骤：
S1：根据植物分类文献资料，建立植物分类检索问题表；
S2：对纳入考虑的每一种植物，回答所述植物分类检索问题表中的每一个问题；
S3：新建答案矩阵answerMatrix、概率权重矩阵PWMatrix和非空矩阵nonEmptyMatrix，其中答案矩阵answerMatrix和概率权重矩阵PWMatrix均为三维矩阵，其1、2、3维度分别对应植物、问题和选项的编号；nonEmptyMatrix是二维矩阵，其1、2维度分别对应植物和问题的编号；三个矩阵的每一个元素的初始值都为0；
S4：依次针对植物分类检索问题表中的每一个问题，去查询所有植物在该问题上的答案选项情况，然后修改答案矩阵answerMatrix、概率权重矩阵PWMatrix和非空矩阵nonEmptyMatrix；
所述开放使用阶段具体包括以下步骤：
S6：初始化一个植物有效标记向量plantValid，所有值初始化为1，植物有效标记向量plantValid中的元素个数等于植物总数；
S7：初始化一个问题有效标记向量questionValid，所有值初始化为1，问题有效标记向量questionValid的元素个数等于问题总数；
S8：依次递增questionIndex，针对每一个questionIndex，根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值；
S9：新建一个问题权重向量questionWeight，所有值初始化为1，问题权重向量questionWeight中的元素个数等于问题总数；
S10：新建一个问题区分指数向量questionExponent，所有值设置为正无穷大，问题区分指数向量questionExponent中的元素个数等于问题总数；
S11：依次计算有效的第questionIndex个问题的questionExponent[questionIndex]；
S12：依次修改第questionIndex个问题的questionExponent[questionIndex]，具体为：依次针对每一个问题，把questionExponent[questionIndex]除以questionWeight[questionIndex]之后，再更新到questionExponent[questionIndex]；
S13：在问题区分指数向量questionExponent中，查找最小值，确定最小值的位置编号，也就是最小值所对应的questionIndex，记为bestQuestionIndex；
S14：向用户显示当前所有有效的候选植物种类，具体为，对于第plantIndex种植物，若plantValid[plantIndex]为1，显示；
S15：向用户显示第bestQuestionIndex个问题，若用户选择其中的某个选项答案，记为第q个选项，而不是跳过该问题，则顺序递增plantIndex，循环检查第plantIndex种植物，若answerMatrix[plantIndex,bestQuestionIndex,q]不等于1把plantValid[plantIndex]设为0；
S16：把questionValid[bestQuestionIndex]设为0，跳转到步骤S10。
2.根据权利要求1所述的植物分类动态检索方法，其特征在于，所述步骤S4具体包括以下步骤：
S4.1：顺序递增问题编号questionIndex，循环执行步骤S4.2至S4.5；
S4.2：依次递增植物编号plantIndex，循环执行步骤S4.3至4.5；
S4.3：初始化符合选项计算器optionSelectedNum为0；
S4.4：依次递增选项编号optionIndex，轮询每一个选项，若第plantIndex种植物，符合第questionIndex个问题的第optionIndex个选项，则设置answerMatrix[plantIndex，questionIndex，optionIndex]为1，设置PWMatrix[plantIndex，questionIndex，optionIndex]为1，把optionSelectedNum自增1，设置nonEmptyMatrix[plantIndex,questionIndex]为1；
S4.5：若optionSelectedNum不为0，依次递增选项编号optionIndex，循环把PWMatrix[plantIndex,questionIndex,optionIndex]除以optionSelectedNum并重新存储到PWMatrix[plantIndex,questionIndex,optionIndex]。
3.根据权利要求2所述的植物分类动态检索方法，其特征在于，执行步骤S4后，根据地域或范围因素，依照某些植物常见与否的实际情况，分别针对若干个plantIndex，二重循环递增questionIndex和optionIndex，加倍或衰减PWMatrix[plantIndex,questionIndex,optionIndex]。
4.根据权利要求2所述的植物分类动态检索方法，其特征在于，利用机器识别得到当前植物的候选种类列表，该列表中，越排在前面的，表示当前植物是该种植物的可能性越大，在步骤S4后，根据植物种类在该列表中的位置标号，差异化设置PWMatrix，是越靠前的植物，同一问题的所有选项的PWMatrix累计值越大。
5.根据权利要求2所述的植物分类动态检索方法，其特征在于，所述预处理阶段还包括以下步骤：
S5：以二重循环方式，外循环顺序递增plantIndex，内循环顺序递增questionIndex，循环体内执行如下过程：
若nonEmptyMatrix[plantIndex,questionIndex]为0，也就是第plantIndex种植物在第questionIndex个问题上没有作答，则认为暂时保留该植物符合所有选项的可能性：对于第plantIndex种植物第questionIndex个问题的所有optionIndex，逐一设置answerMatrix[plantIndex,questionIndex,optionIndex]为1，对于第plantIndex种植物第questionIndex个问题的所有optionIndex，逐一设置PWMatrix[plantIndex,questionIndex,optionIndex]为1。
6.根据权利要求1所述的植物分类动态检索方法，其特征在于，所述步骤S8中根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值，具体为：
顺序递增plantIndex，对于所有plantIndex，把所有的nonEmptyMatrix[plantIndex，questionIndex]求和，记为sum；
若sum小于或等于1，设置questionValid[questionIndex]为0。
7.根据权利要求1所述的植物分类动态检索方法，其特征在于，所述步骤S8中根据非空矩阵nonEmptyMatrix更新问题有效标记向量questionValid的值，具体为：
顺序递增plantIndex，对于所有plantIndex，把所有的nonEmptyMatrix[plantIndex，questionIndex]求和，记为sum；
把sum除以植物种类总数得到的结果与预设阈值相比，若小于或等于预设阈值，设置questionValid[questionIndex]为0。
8.根据权利要求1所述的植物分类动态检索方法，其特征在于，所述步骤S11中依次计算有效的第questionIndex个问题的questionExponent[questionIndex]，具体为：
S11.1：顺序递增questionIndex，循环执行步骤S11.2至S11.5；
S11.2：若questionValid[questionIndex]为1，依次执行步骤S11.3至S11.5；
S11.3：新建一个用于记录符合任意选项的植物种类数的向量plantSumOfEveryOption，向量的所有值初始化为0，针对每一个optionIndex，轮询每一个plantIndex，若plantValid[plantIndex]为1，把answerMatrix[plantIndex,questionIndex,optionIndex]累加到plantSumOfEveryOption[optionIndex]；
S11.4：新建一个用于记录符合任意选项的植物概率权重累计值的向量PWSumOfEveryOption，向量的所有值初始化为0，针对每一个optionIndex，轮询每一个plantIndex，若plantValid[plantIndex]为1，把PWMatrix[plantIndex,questionIndex,optionIndex]累加到PWSumOfEveryOption[optionIndex]；
S11.5：设置questionExponent[questionIndex]的值为plantSumOfEveryOption与PWSumOfEveryOption的点乘。
CN202210181711.8A 2022-02-25 2022-02-25 一种植物分类动态检索方法 Active CN114547282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210181711.8A CN114547282B (zh) 2022-02-25 2022-02-25 一种植物分类动态检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210181711.8A CN114547282B (zh) 2022-02-25 2022-02-25 一种植物分类动态检索方法

Publications (2)

Publication Number Publication Date
CN114547282A CN114547282A (zh) 2022-05-27
CN114547282B true CN114547282B (zh) 2022-09-09

Family

ID=81679147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210181711.8A Active CN114547282B (zh) 2022-02-25 2022-02-25 一种植物分类动态检索方法

Country Status (1)

Country Link
CN (1) CN114547282B (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3981734B2 (ja) * 2003-11-21 2007-09-26 独立行政法人情報通信研究機構 質問応答システムおよび質問応答処理方法
CN107480149A (zh) * 2016-06-07 2017-12-15 株式会社Ntt都科摩 问答系统中的答案提供方法及装置
CN106095872A (zh) * 2016-06-07 2016-11-09 北京高地信息技术有限公司 用于智能问答系统的答案排序方法及装置
CN107818152B (zh) * 2017-10-24 2020-10-30 西北农林科技大学 一种植物检索方法和系统
CN108596800B (zh) * 2018-04-13 2022-05-13 北京交通大学 一种基于贝叶斯的开放性答案决策方法
CN109271505B (zh) * 2018-11-12 2021-04-30 深圳智能思创科技有限公司 一种基于问题答案对的问答系统实现方法
CN110046244B (zh) * 2019-04-24 2021-06-08 中国人民解放军国防科技大学 一种用于问答系统的答案选择方法
CN110287296A (zh) * 2019-05-21 2019-09-27 平安科技（深圳）有限公司 一种问题答案选取方法、装置、计算机设备及存储介质
CN111694935A (zh) * 2020-04-26 2020-09-22 平安科技（深圳）有限公司 多轮问答的情绪确定方法、装置、计算机设备及存储介质
CN111966810B (zh) * 2020-09-02 2021-03-09 中国矿业大学(北京) 一种用于问答系统的问答对排序方法

Also Published As

Publication number Publication date
CN114547282A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
Doorenbos et al. The sections of Begonia including descriptions, keys and species lists (Studies in Begoniaceae VI).
Uhl et al. The palm gynoecium
Nicely A monographic study of the Calycanthaceae
Pettigrew FRS et al. Morphology, ploidy and molecular phylogenetics reveal a new diploid species from Africa in the baobab genus Adansonia (Malvaceae: Bombacoideae)
Gong et al. Genetic relationships and evolution in Cucurbita pepo (pumpkin, squash, gourd) as revealed by simple sequence repeat polymorphisms
Madriñán Rhodostemonodaphne (Lauraceae)
Whitaker et al. The taxonomy, genetics, production and uses of the cultivated species of Cucurbita
Dehgan et al. Contributions toward a monograph of neotropical Jatropha: phenetic and phylogenetic analyses
Fisher The vegetative and reproductive structure of papaya (Carica papaya)
Liede‐Schumann et al. Phylogeny of Marsdenieae (Apocynaceae, Asclepiadoideae) based on chloroplast and nuclear loci, with a conspectus of the genera
CN114547282B (zh) 一种植物分类动态检索方法
Gaiser Chromosome numbers and species characters in Anthurium
Litt et al. Floral development and morphology of Vochysiaceae. I. The structure of the gynoecium
Stout Reproduction in Petunia
Dickison Fruits and seeds of the Cunoniaceae
Anderson The analysis of variation in cultivated plants with special reference to introgression
Kolk Relation of host and pathogen in the oat smut, Ustilago avenae
Nath et al. Classification and Description of Some Varieties of Punica Granatum L.
Kahraman et al. Anatomy, macro-and micromorphology of Lathyrus sect. Nissolia (Fabaceae) and their taxonomic significance
Lenz Comparative histology of the female inflorescence of Zea mays L.
Wilson Variation of three taxonomic complexes of the genus Cornus in eastern United States
Marais Taxonomic studies in Pelargonium, section Hoarea (Geraniaceae)
Rabei et al. Keys for and morphological character variation in some Egyptian cultivars of Cucurbitaceae
Anderson et al. The genetics of Primula sinensis. IV. Indications as to the ontogenetic relationship of leaf and inflorescence
Pareek et al. Systematic Pomology (Vol. 1-2)(Set)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant