一种基于多模型融合的KASP引物智能分型评价方法及系统TAL-SRX

本发明涉及人工智能技术领域，具体提供了一种基于多模型融合的KASP引物智能分型评价方法及系统TAL‑SRX。首先，利用RS、PSO和BO算法优化基础模型和元模型性能，构建Stacking集成学习框架综合XGBoost学习器优势，采用五折交叉验证增强模型稳定性。然后，组合ANN和LSTM构建混合神经网络，捕捉非线性关系并提取复杂特征，同时引入Transformer算法捕捉高维特征空间中的全局依赖关系。最后，通过软投票集成策略融合两种机器学习算法，输出KASP标记分型效果分数。本发明能准确地筛选分型效果优良的KASP标记，具有较高的鲁棒性和良好可靠的评价性能，为分子标记辅助育种等工作提供技术支持。