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！

申请/专利权人：江西省农业技术推广中心

摘要：本发明涉及大数据决策评估领域，提出了一种基于大数据的区域动物防疫体系评估方法及系统，通过贝叶斯网络算法对区域内的动物防疫体系综合数据进行关联性分析，筛去其中非关键数据的同时，将不同模态和不同数据类型的数据进行联系，避免了后续根据预设动物防疫能力分类标准进行防疫能力分类时出现数据类别不明的问题，进而提高了防疫能力分类的效率和准确性，再通过随机森林分类算法进行防疫能力分级，自动且准确地对区域内的防疫能力进行评估，并将评估结果和数据上传可视化人机交互平台以进行数据公布，实现了自动且智能化的区域动物防疫体系评估，极大地提高了区域动物防疫体系评估的效率和准确性。

主权项：1.一种基于大数据的区域动物防疫体系评估方法，其特征在于，包括：采集区域内的动物防疫体系综合数据并进行预处理，以构建动物防疫体系数据库；所述采集区域内的动物防疫体系综合数据并进行预处理，以构建动物防疫体系数据库的步骤，具体包括：采集区域内的动物防疫体系综合数据，所述动物防疫体系综合数据包括综合重大动物疫病强制免疫数据、动物疫病监测和流行病学调查数据、动物疫情应急处置数据、动物卫生监督管理数据、畜禽屠宰行业管理数据、重大动物疫病分区防控数据和兽医体系核心能力建设数据；对所述动物防疫体系综合数据进行数据完整性判断，若判定所述动物防疫体系综合数据为缺失状态，则定位所述动物防疫体系综合数据的数据缺失值，并对所述动物防疫体系综合数据进行插值处理，以替换所述数据缺失值，并再次进行数据完整性判断；若判定所述动物防疫体系综合数据为完整状态，则对所述动物防疫体系综合数据进行数据异常值判断，若判定所述动物防疫体系综合数据存在数据异常值，则定位所述动物防疫体系综合数据的数据异常值，并对所述动物防疫体系综合数据进行异常值转换处理，以替换所述数据异常值，并再次进行数据异常值判断；若判定所述动物防疫体系综合数据不存在数据异常值，则对所述动物防疫体系综合数据进行重复值判断，若判定所述动物防疫体系综合数据存在数据重复值，则定位所述动物防疫体系综合数据的数据重复值，并对所述动物防疫体系综合数据进行排序去重处理，以删除所述数据重复值，并再次进行重复值判断；若判定所述动物防疫体系综合数据不存在重复值，则对所述动物防疫体系综合数据进行标准化处理后，构建动物防疫体系数据库；调用所述动物防疫体系数据库中预处理后的动物防疫体系综合数据，并根据贝叶斯网络算法对所述预处理后的动物防疫体系综合数据进行关联性分析，以筛选获取动物防疫体系关键数据；所述调用所述动物防疫体系数据库中预处理后的动物防疫体系综合数据，并根据贝叶斯网络算法对所述预处理后的动物防疫体系综合数据进行关联性分析，以筛选获取动物防疫体系关键数据的步骤，具体包括：调用动物防疫体系数据库中预处理后的动物防疫体系综合数据，根据数据模态类型对所述预处理后的动物防疫体系综合数据进行划分，以获取文本模态数据和图像模态数据；将所述文本模态数据输入文本编码器，以获取文本模态数据特征，所述获取文本模态数据特征的公式如下： 其中，表示文本模态数据特征，，表示特征维度，表示全连接层，表示文本编码器，表示文本模态数据，表示数据序数；将所述图像模态数据输入卷积模块，以获取图像模态数据特征，所述获取图像模态数据特征的公式如下： 其中，表示图像模态数据特征，表示维度转换函数，表示卷积核，表示图像模态数据；将所述文本模态数据特征和所述图像模态数据特征输入贝叶斯网络，以获取不同模态数据间的数据关联性和单模态数据特征与关键数据特征间的关联性，所述贝叶斯网络的算法如下： 其中，表示数据关联性，表示关键数据特征，表示概率函数；根据所述数据关联性进行关键数据筛选，以获取动物防疫体系关键数据；根据预设动物防疫能力分类标准对所述动物防疫体系关键数据进行防疫能力分类，以获取多类别动物防疫体系关键数据；所述根据预设动物防疫能力分类标准对所述动物防疫体系关键数据进行防疫能力分类，以获取多类别动物防疫体系关键数据的步骤，具体包括：根据预设动物防疫能力分类标准提取动物防疫体系关键数据中的兽医工作机构数据、兽医工作人员数量数据、兽医工作人员专业能力数据、兽医工作人员继续教育数据，兽医工作机构经费数据、兽医工作机构办公设施设备数据和兽医工作机构专业设施设备数据，以划分人财物资源配置能力数据；根据预设动物防疫能力分类标准提取动物防疫体系关键数据中的兽医工作机构行政法规执行数据、兽医工作机构日常管理数据、兽医工作机构应急管理数据、兽医工作机构协调管理数据、兽医工作机构风险预警数据和兽医工作机构服务数据，以划分行政管理能力数据；根据预设动物防疫能力分类标准提取动物防疫体系关键数据中的动物卫生监督数据、动物检疫数据、检疫监督与执法衔接数据、病死畜禽无害化处理监管数据和标识与追溯数据，以划分监管与检疫能力数据；根据预设动物防疫能力分类标准提取动物防疫体系关键数据中的动物疫病监测与流行病学调查数据、兽医实验室检测与诊断数据、兽医实验室质量保证数据、动物疫情报告数据和技术指导与培训数据，以划分疫病防控能力数据；根据所述人财物资源配置能力数据、行政管理能力数据、划分监管与检疫能力数据和疫病防控能力数据获取多类别动物防疫体系关键数据；根据随机森林分类算法对所述多类别动物防疫体系关键数据进行防疫能力分级，以获取多级别动物防疫体系关键数据；所述根据随机森林分类算法对所述多类别动物防疫体系关键数据进行防疫能力分级，以获取多级别动物防疫体系关键数据的步骤，具体包括：获取多类别动物防疫体系关键数据中每类防疫能力的数据特征，并进行标准化处理；在每类防疫能力的数据特征中均随机选取K个聚类中心，以根据K-MEANS聚类算法划分获取K个单项防疫能力分级评估数据集，所述K-MEANS聚类算法的损失函数如下： 其中，表示损失，表示数据特征的样本，表示聚类中心，，表示聚类判断值，表示样本序数，表示样本数量，K为超参数，表示聚类中心序数，表示数据样本到聚类中心的欧式距离；将所述K个单项防疫能力分级评估数据集分别输入单独对应的K个随机森林分类器中，每个所述随机森林分类器包括五个分类判断层，每个所述分类判断层分别设有单独对应的预设单项防疫能力级别标准；所述分类判断层根据随机森林分类算法将对应的单项防疫能力分级评估数据集中的数据划分为一级动物防疫体系关键数据至五级动物防疫体系关键数据，以获取多级别动物防疫体系关键数据；将所述多级别动物防疫体系关键数据上传可视化人机交互平台，以完成数据公布。

全文数据：

权利要求：

百度查询： 江西省农业技术推广中心 一种基于大数据的区域动物防疫体系评估方法及系统