数据挖掘研究及在精准施肥中的应用

论文摘要

随着农业信息化迅速推进,精准农业越来越受到关注和重视,精准施肥是精准农业的核心。本文是围绕国家自然科学基金项目“统计关系学习中若干问题的研究”（60573073）和吉林省科技发展计划重点项目子课题“数字农业时空信息管理平台”（20060213）展开硕士论文“数据挖掘研究及在精准施肥中的应用”的研究工作。在神经网络方法研究的基础上,提出了一个基于聚类的选择性神经网络集成方法,并将其应用于求解农业生产中的精准施肥问题。文中的集成方法主要包括三部分:①采用Bagging算法对一批简单BP神经网络进行训练;②用模糊c-means法对①中得到的神经网络进行选择;③线性集成方法对选中的神经网络进行集成。使用2007年榆树玉米试验田三号地和七号地的数据对本方法进行了实验。实验结果表明,对于多个神经网络线性集成方法,不仅其误差远低于单个神经网络,而且其泛化能力也比较强。

论文目录

• 内容提要
• 第1章 绪论
• 1.1 引言
• 1.2 问题提出
• 1.3 内容概述
• 第2章 相关概念和技术
• 2.1 数据挖掘概述
• 2.1.1 数据挖掘概念和过程
• 2.1.2 数据挖掘的起源
• 2.1.3 数据挖掘现状
• 2.1.4 数据挖掘的应用
• 2.1.5 数据挖掘的分类
• 2.2 聚类分析概述
• 2.2.1 聚类分析概念和分类
• 2.2.2 模糊聚类分析
• 2.3 模糊c-means概述
• 2.3.1 c-means聚类算法
• 2.3.2 模糊c-means聚类算法
• 第3章 精准施肥概述
• 3.1 精准农业的概述
• 3.1.1 精准农业的概念
• 3.1.2 精准农业的发展
• 3.2 精准施肥
• 3.2.1 必要性
• 3.2.2 理论及技术体系
• 第4章 神经网络概述
• 4.1 人工神经网络概述
• 4.1.1 人工神经网络发展
• 4.1.2 人工神经网络概念和特点
• 4.1.3 神经网络存在的问题
• 4.1.4 神经网络的分类
• 4.2 BP神经网络
• 4.2.1 神经元模型
• 4.2.2 BP网络基本思想
• 4.2.3 BP学习算法
• 4.3 神经网络集成
• 4.3.1 目前普遍被接受的神经网络集成定义
• 4.3.2 神经网络集成方法
• 4.3.3 神经网络集成的方法和相关技术
• 4.3.4 神经网络集成原理
• 第5章 基于神经网络集成方法求解精准施肥问题
• 5.1 引言
• 5.2 神经网络集成
• 5.3 问题的处理过程
• 5.3.1 数据描述及处理
• 5.3.2 基于聚类的选择性神经网络集成方法描述
• 5.3.3 对过拟合的处理
• 5.3.4 隐含层的神经元数目
• 5.3.5 实验
• 5.4 小结
• 第6章 结论与展望
• 6.1 本论文所取得的成效
• 6.2 展望
• 6.2.1 模糊c-means聚类算法存在的问题
• 6.2.2 神经网络集成存在的问题
• 参考文献
• 摘要
• Abstract
• 攻读学位期间发表的学术论文及取得的科研成果
• 致谢