基于CNN-RNN的小麦抗寒性分类模型

作者：来纯晓; 李艳翠^*

来源：东北农业科学, 2023, 48(04): 117-121.

DOI：10.16423/j.cnki.1003-8701.2023.04.023

• 小麦
• 抗寒性分类
• 育种周期
• CNN-RNN
• SMOTE

为提升小麦抗寒性分类的准确度，进而为杂交组合选择提供参考。本研究以3 049个国审小麦品种文本为试验数据，采用卷积神经网络结合循环神经网络（CNN-RNN）的方法对小麦抗寒性分类进行预测。结果表明，该方法具有较好的表现，准确率可达73.28%,Kappa系数为0.595 6。为降低试验样本不均衡对本研究准确性的干扰，进而采用SMOTE技术，以实现样本均衡。过采样后，CNN-RNN的准确率和Kappa系数分别提升7.67%和0.02。说明上述方法组合能够有效提高小麦抗寒预测的准确性以及一致性检验系数，可应用于小麦抗寒分类预测，以达到缩短育种周期的目的。

• 单位
  河南师范大学; 河南科技学院