本發(fā)明屬于智能化算法設計與產品應用領域，具體涉及一種新的適用于生物親緣關系精準判定的集合建模系統及方法

背景技術

1、涉及的
背景技術：

2、親屬關系識別技術主要用于判斷特定的兩個樣本之間是否具有親緣關系，本質上是一種單樣本-單樣本的度量形式，現有的技術包括基于度量的方法，基于深度學習的方法。

3、圖像集識別技術主要用于挖掘同一類別對象體現的豐富多視角信息，屬于同類樣本集合-同類樣本集合的度量形式，如圖像集僅包含一張圖片，則圖像集識別轉換為特定的單樣本圖像識別技術。

4、層級圖數據挖掘技術，主要利用非線性雙曲流形技術挖掘層級屬性圖數據特性。

5、大模型知識蒸餾技術，利用知識蒸餾策略實現輕量化小模型設計。

6、近10年來，以上技術快速發(fā)展，但是在公共安全領域失蹤人口追蹤，生態(tài)學領域物種分析與修復，族譜分析等包含內在親緣屬性的領域，缺乏具有快速性、可靠性、有效性的任務處理方法，根本問題在于缺乏建模親緣關系數據的理論框架，難以支持下游應用任務。因此迫切需要結合理論研究和系統實現解決該領域的瓶頸難題。

技術實現思路

1、本發(fā)明的目的是攻克親緣關系研究領域中存在的理論建模難關，設計一種新的適用于生物親緣關系精準判定的集合建模系統，具體包括依次設置的親緣關系數據建模模塊、面向集合數據的算法設計與分析模塊、任務決策優(yōu)化模塊和系統顯示模塊，其中：

2、親緣關系數據建模模塊：用于對于采集的親緣屬性目標數據（包含部分生成式屬性樣本），以集合策略進行建模，保證單個集合只包含同一親緣屬性的數據類型，完成利用集合來表達復雜的親緣關系，同時構建親緣關系描述的文本信息作為親緣數據集合的輔助信息；

3、面向集合數據的算法設計與分析模塊：用于基于親緣屬性集合，構建兩種度量類型，分別是親緣關系數據集合與親緣關系數據集合，親緣關系數據集合與同一類別數據集合，設計深度網絡學習算法，實現對目標對象的特征抽取與表達，利用文本輔助信息，強化目標對象集合語義層面的理解；

4、任務決策優(yōu)化模塊：用于針對不同的任務，包含檢測、檢索，分類與識別，基于算法設計與分析模塊中的集合特征描述，進行決策優(yōu)化與部署；

5、系統顯示模塊：用于顯示系統運行產生的各種數據結果，展示不同應用場景該系統處理的指標結果。

6、進一步地，在親緣關系數據建模模塊中，首先立足實際應用場景，比如但不限于公共安全領域，生態(tài)環(huán)境領域等，著眼于具有親緣關系的類別數據，以親緣屬性為紐帶，構建集合數據，保證單個集合中包含具有同一親緣屬性的數據，特殊情況為只包含同一屬性同一類別數據。實現利用集合這種數學結構來表達親緣關系這一屬性。考慮到親緣對象分析中多目標對象之間的親緣關系，引入文本描述作為輔助信息。以上數據形式可包含多種，具體作如下解釋：

7、（1）數據類型為采集的圖像，或生成模型產生的圖像；

8、（2）數據類型為采集的視頻序列，或生成模型產生的視頻；

9、（3）數據類型為采集的音頻，或或生成模型產生的音頻；

10、（4）文本信息為親緣屬性的具體描述特征，比如針對圖像模態(tài)，可以文本描述為，本親緣集合中，存在眼睛特征相似或嘴巴特征相似，或臉型相似，此處為舉例說明，但不應將此理解為本發(fā)明文本描述的范圍僅限于該例，凡基于文本信息以及其他人工智能手段獲取的可描述親緣屬性的文字信息均屬于本發(fā)明的范圍；

11、（5）親緣屬性可特指生物遺傳學中的親屬關系，同一物種；

12、（6）親緣關系在實際應用中的認定也可擴展為，基于不同類別數據，在某一共性屬性約束下，可建立多目標之間的緊密關系。集合用于描述這一緊密關系所包含的全部數據。

13、進一步地，在面向集合數據的算法設計與分析模塊中，基于親緣屬性集合，需要構建兩種度量類型，分別是親緣關系數據集合與親緣關系數據集合，親緣關系數據集合與同一類別數據集合?；谟H緣數據集合特性，并結合以上兩種度量形式，設計相匹配的主干深度網絡學習算法，實現對目標對象的特征抽取與表達。此外利用文本輔助信息，強化模型對于親緣關系數據集合語義層面的理解，此處可設計深度特權信息描述網絡支撐前述主干網絡。

14、進一步地，在任務決策優(yōu)化模塊中，用于解決實際應用場景中基于親緣數據集合描述的各種任務，包含對象檢測、檢索，特定對象分類與識別。針對集合數據設計的高效學習算法，提取特征用于不同任務處理。此外基于集合親緣關系大模型知識蒸餾策略，設計輕量化易部署的小模型滿足不用應用需求的任務，如移動端模型快速部署，實現模型優(yōu)化與任務自適應性選擇設置。

15、進一步地，在系統顯示模塊中，用于顯示系統運行產生的各種數據結果，展示不同應用場景該系統處理的指標結果，比如數據導入，系統啟動運行，顯示性能與效率，親緣集合數據交互關系顯示等。

16、本發(fā)明還設計了新的適用于生物親緣關系精準判定的集合建模方法，依次包括以下步驟：

17、（1）親緣關系數據建模：對采集的親緣屬性目標數據，包含部分生成式屬性樣本，以集合策略進行建模，保證單個集合只包含同一親緣屬性的數據類型，完成利用集合來表達復雜的親緣關系，同時構建親緣關系描述的文本信息作為親緣數據集合的輔助信息；

18、（2）面向集合數據的算法設計與分析：基于親緣屬性集合，構建兩種度量類型，分別是親緣關系數據集合與親緣關系數據集合，親緣關系數據集合與同一類別數據集合，設計深度網絡學習算法，實現對目標對象的特征抽取與表達，利用文本輔助信息，強化目標對象集合語義層面的理解；

19、（3）任務決策優(yōu)化：針對不同的任務，包含檢測、檢索，分類與識別，基于算法設計與分析模塊中的集合特征描述，進行決策優(yōu)化與部署；

20、（4）系統顯示：顯示系統運行產生的各種數據結果，展示不同應用場景該系統處理的指標結果。

21、與現有技術相比，本發(fā)明產生的有益效果包括：

22、本發(fā)明采用集合描述策略來表達親緣關系這一屬性，克服了具有親緣關系屬性的實際應用場景中存在的目標交互關系理論分析框架欠缺的瓶頸，解決了親緣關系數據描述的基本問題。

23、設計基于親緣關系集合的算法實現親緣關系特征抽取與表達。

24、構建輕量化親緣關系目標判定系統，滿足實際應用低成本，易部署，實時性，高可靠性要求。

技術特征：

1.一種新的適用于生物親緣關系精準判定的集合建模系統，其特征在于，包括依次設置的親緣關系數據建模模塊、面向集合數據的算法設計與分析模塊、任務決策優(yōu)化模塊和系統顯示模塊，其中：

2.根據權利要求1所述的新的適用于生物親緣關系精準判定的集合建模系統，其特征在于，所述親緣關系數據建模模塊中，首先立足實際應用場景，包括但不限于公共安全領域，生態(tài)環(huán)境領域，著眼于具有親緣關系的類別數據，以親緣屬性為紐帶，構建集合數據，保證單個集合中包含具有同一親緣屬性的數據，特殊情況為只包含同一屬性同一類別數據；實現利用集合這種數學結構來表達親緣關系這一屬性；考慮到親緣對象分析中多目標對象之間的親緣關系，引入文本描述作為輔助信息。

3.根據權利要求2所述的新的適用于生物親緣關系精準判定的集合建模系統，其特征在于，數據形式包含多種，具體為：

4.根據權利要求1所述的新的適用于生物親緣關系精準判定的集合建模系統，其特征在于，所述面向集合數據的算法設計與分析模塊中，基于親緣關系數據建模模塊的描述，獲得集合數據以描述親緣關系，本模塊基于親緣屬性集合，構建兩種度量類型，分別是親緣關系數據集合與親緣關系數據集合，親緣關系數據集合與同一類別數據集合；基于親緣數據集合特性，并結合以上兩種度量形式，設計相匹配的主干深度網絡學習算法，實現對目標對象的特征抽取與表達；此外利用文本輔助信息，強化模型對于親緣關系數據集合語義層面的理解，設計深度特權信息描述網絡支撐主干網絡。

5.根據權利要求1所述的新的適用于生物親緣關系精準判定的集合建模系統，其特征在于，所述任務決策優(yōu)化模塊中，用于解決實際應用場景中基于親緣數據集合描述的各種任務，包含對象檢測、檢索，特定對象分類與識別；基于面向集合數據的算法設計與分析模塊設計的深度網絡學習算法，提取特征用于不同任務處理；此外基于集合親緣關系大模型知識蒸餾策略，設計輕量化易部署的小模型滿足不用應用需求的任務。

6.根據權利要求1所述的新的適用于生物親緣關系精準判定的集合建模系統，其特征在于，所述系統顯示模塊中，數據導入，系統啟動運行，顯示性能與效率，親緣集合數據交互關系顯示。

7.新的適用于生物親緣關系精準判定的集合建模方法，其特征在于，采用如權利要求1-6任意一項所述的系統，依次包括以下步驟：

技術總結
本發(fā)明涉及智能化算法設計與產品應用領域，特別涉及一種新的適用于生物親緣關系精準判定的集合建模系統及方法。所述系統包括親緣關系數據建模模塊、面向集合數據的算法設計與分析模塊、任務決策優(yōu)化模塊，系統顯示模塊。本發(fā)明重在創(chuàng)新地提出一種針對親緣關系數據的集合建模策略，從理論上解決了親緣關系數據難以高效建模與判定性能低下之間的鴻溝問題，同時設計了系統實現，能夠應用于公共安全領域失蹤人口追蹤，生態(tài)學領域物種分析與修復，族譜分析等包含內在親緣屬性的領域，實際應用潛力較好，相比于特定領域基因測試技術存在的耗時昂貴問題，本發(fā)明技術具有快捷，高效，安全，海量樣本批處理特點。

技術研發(fā)人員：閆文珠
受保護的技術使用者：南京師范大學
技術研發(fā)日：
技術公布日：2024/9/9