(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111432239.2 (22)申请日 2021.11.29 (71)申请人 新疆海狸农牧业软件 有限公司 地址 830000 新疆维吾尔自治区乌鲁 木齐 市经济技术开 发区 （头屯河区） 厦门路 16号D-305室 (72)发明人 常松　盛建东　武红旗　陈冰　 石书兵　康定明　马英杰　张红忠　 程军回　张凯　石秀楠　杨靖　 (74)专利代理 机构 北京酷爱智慧知识产权代理 有限公司 1 1514 代理人 何忠仪 (51)Int.Cl. G06K 9/62(2022.01) G06F 17/18(2006.01)G06N 20/00(2019.01) (54)发明名称 基于杂交水稻回交的数据分析方法、 系统、 设备及介质 (57)摘要 本发明公开了基于杂交水稻回交的数据分 析方法、 系统、 设备及介质， 涉及数据分析领域， 包括如下步骤： S1： 获取测量数据集， 并对测量数 据集进行数据清洗， 得到典型数据集， 并对典型 数据集进行分区， 其中， 所述典型数据集包括多 个典型数据； S2： 获取随机噪声数据， 将各个典型 数据与随机噪声数据相结合， 并对 结合后的各个 典型数据与随机噪声数据进行基因融合计算， 得 到多个典型数据与随机噪声数据的融合结果； 计 算多个典型数据与 随机噪声数据融合结果的平 均值， 并将平均值融入随机噪声与信号之中进行 递归的融合过程， 构建YAM数据分析模型。 权利要求书1页 说明书7页 附图7页 CN 114239700 A 2022.03.25 CN 114239700 A 1.基于杂交水稻回交的数据分析 方法， 其特 征在于， 包括如下步骤： S1： 获取测量数据集， 并对测量数据集进行数据清洗， 得到典型数据集， 并对典型数据 集进行分区， 其中， 所述典型 数据集包括多个典型 数据， 进入步骤S2； S2： 获取随机噪声数据， 将各个典型数据与随机噪声数据相结合， 并对结合后的各个典 型数据与随机噪声数据进行基因融合计算， 得到多个典型数据与随机噪声数据的融合结 果， 进入步骤S3； S3： 计算多个典型数据与随机噪声数据融合结果的平均值， 并将平均值融入随机噪声 与信号之中进行递归融合， 构建YAM数据分析模型。 2.根据权利要求1所述的基于杂交水稻回交 的数据分析方法， 其特征在于， 步骤S1中所 述的获取测量数据集， 具体为： 通过与超声波测距模块相连接的数据采集器获取测量数据， 其中所述测距模块与数据采集器分别连入 对应的Trig和E cho接口。 3.基于杂交水稻回交的数据分析系统， 其特征在于， 包括： YAM处理单元、 噪声产生单 元、 加噪单元； 所述YAM处理单元内预设有袁氏算法， 所述噪声产生单元、 加噪单元分别与所 述YAM处理单元连接。 4.根据权利要求3所述的基于杂交水稻回交的数据分析系统， 其特征在于， 所述噪声产 生单元包括噪声生成子单元、 噪声评估子单元、 噪声融合算法子单元、 信号回归拟合子单 元、 信号回归拟合评估子单 元、 噪声模型确定 子单元、 噪声库代码生成子单 元； 所述噪声生成子单 元， 用于产生随机噪声数据； 所述噪声评估子单 元， 用于对产生的随机噪声数据进行评估； 所述噪声融合算法子单元， 用于对评估后的随机噪声数据与典型数据进行基因融合计 算； 所述信号回归拟合子单 元， 用于将融合结果融入信号之中进行拟合学习； 所述信号回归拟合评估子单 元， 用于对拟合学习后的融合信号进行评估； 所述噪声模型确定 子单元， 用于根据评估后的融合信号对噪声模型进行确定； 所述噪声库代码生成子单 元， 用于根据确定的噪声模型生成噪声库代码。 5.根据权利要求3所述的基于杂交水稻回交的数据分析系统， 其特征在于， 所述加噪单 元包括周期性加噪子单 元、 平均值 求算子单元； 所述周期性加噪子单 元， 用于周期性产生随机噪声数据； 所述平均值 求算子单元， 用于计算多个典型 数据与随机噪声数据融合结果的平均值。 6.一种电子设备， 其特征在于， 包括： 处理器、 输入设备、 输出设备和存储器， 所述处理 器、 输入设备、 输出设备和存储器相互连接， 所述存储器用于存储计算机程序， 所述计算机 程序包括程序指令， 所述处理器被配置用于调用所述程序指令时执行权利要求1 ‑2中的任 意一项方法。 7.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储计算机程序， 所述计算机程序包括程序指令， 所述程序指令在计算机上运行时执行权利要求1 ‑2的任意 一项方法。权　利　要　求　书 1/1 页 2 CN 114239700 A 2基于杂交水稻回交的数据分析方 法、 系统、 设 备及介质 技术领域 [0001]本发明涉及数据分析领域， 具体涉及基于杂交水稻回交的数据分析方法、 系统、 设 备及介质。 背景技术 [0002]超声波测距是一种高噪声、 低信号问题。 超声波测距是利用超声波传播的时间计 算距离。 HC ‑SR04是一个常用的超声波传感器， 常用于机器人避障、 物体测距、 液位检测、 公 共安防、 停车场检测等场所。 [0003]在现有技术中， 面对复杂的反射面(比如振荡的水波， 上下起伏不定的液面和各种 角度的斜角， 不规则形状， 太小不一的反射面等等)， 目前常见的人工智能学习算法(比如 BP， SVM， DL， CNN等等)在训练学习时需要太多的数据， 在超声波传感器测试距离时， 对复杂 动态液面表面反射的适应性不好。 因此， 本发明提出了基于杂交水稻回交的数据分析方法、 系统、 设备及 介质， 用以克服背景技 术中所存在的问题。 发明内容 [0004]针对现有技术中的缺陷， 本发明提供基于杂交水稻回交的数据分析方法、 系统、 设 备及介质。 [0005]为解决背景技 术所提出的问题， 本发明的技 术方案如下： [0006]第一方面， 基于杂交水稻回交的数据分析 方法， 包括如下步骤： [0007]S1： 获取测量数据集， 并对测量数据集进行数据清洗， 得到典型数据集， 并对典型 数据集进行分区， 其中， 所述典型 数据集包括多个典型 数据， 进入步骤S2； [0008]S2： 获取随机噪声数据， 将各个典型数据与随机噪声数据相结合， 并对结合后的各 个典型数据与随机噪声数据进 行基因融合计算， 得到多个典型数据与随机噪声数据的融合 结果， 进入步骤S3； [0009]S3： 计算多个典型数据与随机噪声数据 融合结果的平均值， 并将平均值融入随机 噪声与信号之中进行递归的融合过程， 构建YAM数据分析模型。 [0010]作为优选的， 步骤S1中所述的获取测量数据集， 具体为： 通过与测距模块相连接的 数据采集器获取测量数据， 其中所述测距模块与数据采集器 分别连入对应的Tr ig和Echo接 口。 [0011]第二方面， 基于杂交水稻回交的数据分析系统， 包括： YAM处理单元、 噪声产生单 元、 加噪单元； 所述YAM处理单元内预设有袁氏算法， 所述噪声产生单元、 加噪单元分别与所 述YAM处理单元连接。 [0012]作为优选的， 所述噪声产生单元包括噪声生成子单元、 噪声评估子单元、 噪声融合 算法子单元、 信号回归拟合子单元、 信号回归拟合评估子单元、 噪声模型确定子单元、 噪声 库代码生成子单 元； [0013]所述噪声生成子单 元， 用于产生随机噪声数据；说　明　书 1/7 页 3 CN 114239700 A 3