一种基于度量学习的系统发生树构建方法

本发明涉及一种基于度量学习的系统发生树构建方法。它解决了现有技术中系统发生树构建计算复杂度高且效率低下，准确度不佳的问题。它包括S1、收集包含核酸序列及对应已构建进化树的公开数据集；S2、对收集的数据集进行特征提取；S3、设计并构建度量学习模型，优化数据点之间的相似性度量；S4、使用训练集对度量学习模型进行训练并生成相似性矩阵；S5、基于生成的相似性矩阵，使用系统发生树构建算法构建树形结构并进行结果验证；S6、应用分析。本发明的优点在于：克服了传统方法中距离测量精度低、模型假设局限性强、计算复杂度高等问题，实现了大规模生物数据下系统发生树的高效构建。