《精准农业 精准施肥 神经网络集成 复杂网络聚类 线性加权集成 非线性集成.doc》由会员分享，可在线阅读，更多相关《精准农业 精准施肥 神经网络集成 复杂网络聚类 线性加权集成 非线性集成.doc（4页珍藏版）》请在金锄头文库上搜索。
1、 精准农业论文：基于网络聚类选择的神经网络集成方法及其在农业中的应用【中文摘要】本文研究的内容源自于国家863高科技项目“数字农业知识网格技术研究及应用”。通过提出一种新的神经网络集成方法NCSNNE来求解精准农业中的精准施肥问题。研究内容包括了基于复杂网络聚类选择的个体优选策略、基于模糊系统分析的线性加权集成方法和基于神经网络的非线性集成方法等。农业是国民经济的基础产业,保障食品安全和农业的可持续发展是我国需要解决的首要农业问题。精准农业是综合运用现代信息技术和智能装备技术,对农业生产进行定量决策、变量投入、定位施肥的现代农业操作技术系统,是在资源约束背景下用现代工业技术成果装备农业后形成的
2、一种高度集约化的现代农业技术,是现代农业科技的一场革命。精准农业被认为是现代农业发展的必然产物,由于其具有科技含量高、生产手段先进、技术集成性强等特点,对于提高农业资源利用率和农业综合生产能力具有显著作用,目前已成为解决农业高产优质、资源高效利用和可持续发展问题的有效技术途径。鉴于精准农业在农业领域的重要性,“数字农业知识网格技术研究及应用”项目致力于开发出一个精准农业生产知识咨询平台,该平台的整体框架是基于Web分布式的,其最主要的功能是对精准农业相关信息的获得、分析、加工与决策软件实现无.【英文摘要】This paper is supported by National High Tech
3、nology Research and Development Program of China (Digital Agricultural Knowledge Grid Technology Research and Application Topic). In this paper, a new method of neural network ensemble called NCSNNE is proposed, it can effectively solve the problem of precise fertilization rate determination. We stu
4、dy on how to use the network clustering algorithm to select the networks with high precision and great diversity. Then the selected networks are ensembled separately w.【关键词】精准农业 精准施肥 神经网络集成 复杂网络聚类 线性加权集成 非线性集成【英文关键词】Precision Agriculture Precision Fertilization Neural Network Ensemble Complex Networ
5、k Clustering Linear Weighted Ensemble Nonlinear Ensemble【索购全文】联系Q1：138113721 Q2：139938848【目录】基于网络聚类选择的神经网络集成方法及其在农业中的应用摘要4-6Abstract6-8第1章 绪论11-181.1 项目背景11-121.2 研究现状12-151.2.1 精准农业简介12-131.2.2 我国发展精准农业的重要意义13-141.2.3 精准农业的技术构成14-151.3 研究意义15-161.4 本文工作16-18第2章 相关概念与技术简介18-272.1 精准施肥概述18-192.2 神经网络
6、集成19-212.2.1 神经网络集成的概念19-202.2.2 神经网络集成的相关研究成果20-212.3 聚类技术概述21-272.3.1 数据聚类概述22-232.3.2 复杂网络聚类概述23-252.3.3 算法FEC简介25-27第3章 基于复杂网络聚类的神经网络个体优选方法27-433.1 回放取样生成个体神经网络28-303.1.1 回放取样算法的原理及实现28-293.1.2 生成个体神经网络29-303.2 神经网络个体选择的准则30-323.3 神经网络个体间相似度矩阵构建方法的研究32-333.3.1 一种新的神经网络相似度度量标准32-333.3.2 构建神经网络个体之
7、间的相似度矩阵333.4 相似度矩阵与对应k最近邻网络的转换33-343.4.1 k最近邻网络及其构造方法33-343.4.2 获得神经网络个体间的k最近邻关系网络343.5 采用复杂网络聚类进行个体优选34-353.6 实验结果及分析35-423.6.1 实验所需的数据描述36-383.6.2 个体生成实验结果及分析383.6.3 集成算法的预测精度38-403.6.4 集成算法的泛化能力40-423.7 本章小结42-43第4章 成员网络权重的确定方法43-474.1 基于模糊理论的线性加权集成方法43-444.2 基于神经网络的非线性集成方法444.3 融合结果生成权重44-454.4 实验结果及分析45-464.5 本章小结46-47第5章 精准施肥决策访问服务47-585.1 相关技术简介47-505.1.1 Matlab神经网络工具箱简介475.1.2 Matlab与VC+混合编程47-495.1.3 WCF简介49-505.2 精准施肥决策访问服务架构50-535.3 PFDSC的主要模块53-555.3.1 训练模块535.3.2 选择模块53-545.3.3 预测模块54-555.4 操作示例55-575.5 本章小结57-58第6章 总结与展望58-59参考文献59-62作者简介及在学期间所取得的科研成果62-63致谢63
