基于數(shù)據(jù)挖掘的智慧農(nóng)業(yè)生產(chǎn)系統(tǒng)的研究.pdf

1、隨著信息技術(shù)的高速發(fā)展，農(nóng)業(yè)信息網(wǎng)站雖可以提供信息瀏覽、查詢、數(shù)據(jù)下載功能，但并不能對(duì)數(shù)據(jù)進(jìn)行動(dòng)態(tài)的分析、預(yù)測(cè)，已有的數(shù)據(jù)挖掘工具雖然功能強(qiáng)大，但是專業(yè)性太強(qiáng)，對(duì)普通農(nóng)業(yè)人員來(lái)說(shuō)并不適用。本文針對(duì)目前農(nóng)業(yè)系統(tǒng)存在的問(wèn)題，構(gòu)建了基于數(shù)據(jù)挖掘的智慧農(nóng)業(yè)生產(chǎn)系統(tǒng)，以數(shù)據(jù)挖掘算法為研究核心，實(shí)現(xiàn)了地力等級(jí)分析和產(chǎn)量預(yù)測(cè)等功能，并且挖掘過(guò)程在系統(tǒng)內(nèi)部進(jìn)行，用戶只需簡(jiǎn)單操作即可實(shí)現(xiàn)對(duì)數(shù)據(jù)的動(dòng)態(tài)分析。本文主要研究?jī)?nèi)容如下：
　?。?）通過(guò)對(duì)國(guó)內(nèi)

2、外相關(guān)現(xiàn)狀的研究，分析并總結(jié)了我國(guó)在農(nóng)業(yè)系統(tǒng)中應(yīng)用數(shù)據(jù)挖掘技術(shù)時(shí)存在的問(wèn)題，確定了論文研究的主要內(nèi)容，并對(duì)系統(tǒng)相關(guān)技術(shù)及理論進(jìn)行了介紹，為系統(tǒng)的實(shí)現(xiàn)提供了保障。
　?。?）針對(duì)農(nóng)業(yè)系統(tǒng)地力等級(jí)數(shù)據(jù)的特點(diǎn)，分析了決策樹相關(guān)算法的優(yōu)劣，選取C4.5算法構(gòu)建分類模型，同時(shí)針對(duì)C4.5算法存在的問(wèn)題，提出了改進(jìn)的K-C4.5p算法，用K-means聚類算法首先將連續(xù)屬性離散化以解決C4.5算法在處理連續(xù)屬性時(shí)的低效率，再用 Pearson

3、相關(guān)系數(shù)代替信息增益率進(jìn)行分割屬性的選擇以解決過(guò)擬合問(wèn)題并提高分類準(zhǔn)確率，通過(guò)實(shí)驗(yàn)證明，K-C4.5p算法在時(shí)間和準(zhǔn)確率上都有了大幅提升。
　?。?）針對(duì)農(nóng)業(yè)系統(tǒng)產(chǎn)量數(shù)據(jù)的特點(diǎn)，分析了多元回歸算法原理，并針對(duì)多元回歸算法存在的問(wèn)題，提出了改進(jìn)的殘差主成分回歸算法，在對(duì)原始影響因子提取m個(gè)主成分后，將一次回歸后的殘差作為第m+1個(gè)主成分并再次回歸建模。通過(guò)實(shí)驗(yàn)證明，殘差主成分回歸模型與傳統(tǒng)的多元回歸模型相比，復(fù)雜度低且準(zhǔn)確率較高，因