基于組合神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)信息網(wǎng)站評價方法研究.pdf

1、農(nóng)業(yè)信息網(wǎng)站是現(xiàn)代農(nóng)業(yè)發(fā)布政策、推銷產(chǎn)品、交流技術(shù)、互通需求、相互聯(lián)絡(luò)等活動的重要信息平臺。本文以農(nóng)業(yè)信息網(wǎng)站為研究對象，探索和改進(jìn)信息網(wǎng)站的評價方法，以期為不斷涌現(xiàn)的農(nóng)業(yè)信息網(wǎng)站評價提供理論方法和依據(jù)。農(nóng)業(yè)信息網(wǎng)站評價是高質(zhì)量實現(xiàn)農(nóng)業(yè)信息化的重要環(huán)節(jié)，是促進(jìn)農(nóng)業(yè)信息網(wǎng)站建設(shè)的重要手段。對推動農(nóng)業(yè)信息化各項工作的深入開展，融入未來高速發(fā)展的信息化社會具有非常重要的現(xiàn)實意義。
　　 本文的主要工作和做出的貢獻(xiàn)有三個方面。
　

2、　 首先，針對目前農(nóng)業(yè)信息網(wǎng)站的具體情況，在深入分析網(wǎng)站評價方法和相關(guān)評價指標(biāo)體系研究成果的基礎(chǔ)上，采用定性和定量分析相結(jié)合的方法，構(gòu)建了合理的農(nóng)業(yè)信息網(wǎng)站評價指標(biāo)體系，設(shè)計了相應(yīng)的專家打分規(guī)則，從而為農(nóng)業(yè)信息網(wǎng)站的評價提供了輸入信息源數(shù)據(jù)，為農(nóng)業(yè)信息網(wǎng)站的評價研究奠定了基礎(chǔ)。
　　 其次，在對多種神經(jīng)網(wǎng)絡(luò)方法學(xué)習(xí)研究的基礎(chǔ)上，提出評價農(nóng)業(yè)信息網(wǎng)站的組合神經(jīng)網(wǎng)絡(luò)方法。該組合神經(jīng)網(wǎng)絡(luò)方法主要包括三部分。一是針對網(wǎng)站評價輸入數(shù)據(jù)因

3、素多、采集困難等情況，利用SOM（自組織特征映射）神經(jīng)網(wǎng)絡(luò)的分類識別功能，處理輸入數(shù)據(jù)、進(jìn)行信息網(wǎng)站特點的分類、剔除異常的輸入數(shù)據(jù)及形成規(guī)格化的評價數(shù)據(jù)集。二是針對網(wǎng)站信息復(fù)雜、神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算量大、影響因素多等情況，提出了改進(jìn)的RBF（徑向基函數(shù)）神經(jīng)網(wǎng)絡(luò)方法。改進(jìn)的RBF 神經(jīng)網(wǎng)絡(luò)方法基于向量表示，采取復(fù)雜問題“分而治之”的思想，用等維向量方法進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，減少了模型的計算維度，可以自動逼近最佳網(wǎng)絡(luò)結(jié)構(gòu)。三是針對農(nóng)業(yè)信息網(wǎng)站層次

4、復(fù)雜的情況，提出以SOM網(wǎng)絡(luò)為輸入層，以改進(jìn)的RBF網(wǎng)絡(luò)為訓(xùn)練隱含層和評價輸出，得到組合的神經(jīng)網(wǎng)絡(luò)模型，并給出了算法步驟。組合神經(jīng)網(wǎng)絡(luò)方法，降低了信息網(wǎng)站評價問題的復(fù)雜性，使依據(jù)評價指標(biāo)體系的評價結(jié)果更加科學(xué)。
　　 最后，在因特網(wǎng)上選取了十個較大型的農(nóng)業(yè)信息網(wǎng)站，以三個月隨機(jī)抽取的數(shù)據(jù)進(jìn)行了應(yīng)用案例研究。分別采用BP 神經(jīng)網(wǎng)絡(luò)、未改進(jìn)的RBF 神經(jīng)網(wǎng)絡(luò)和組合神經(jīng)網(wǎng)絡(luò)三種方法，進(jìn)行評價實踐和對比分析。結(jié)果表明，組合神經(jīng)網(wǎng)絡(luò)方法在