收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于不确定理论和机器学习的知识发现研究

刘后胜  
【摘要】: 随着计算机、通信和网络技术的发展,数据呈指数级增长,这些数据已经远远超出了人的能力,如何在海量的数据中发现有用的或感兴趣的知识,是一个迫切需要解决的问题。知识发现便应运而生。知识发现是从数据集中抽取和精化的新模式。本文的数据集是基于农业知识背景。期望通过知识发现研究来获取新的农业知识模式或改善传统的农业知识,从而更好地为农业生产服务。 本文首先综述了知识发现的发生发展以及知识发现的方法。随之针对农业生产中存在的问题,运用不同知识发现的方法加以解决。本文知识发现的方法有不确定性理论和机器学习方法。不确定性理论主要是粗糙集理论和证据理论;机器学习方法主要是神经网络方法和支持向量机方法。 鉴于植物病害诊断涉及的植物属性很多,包括植物的根、茎、叶、花、果,症状纷繁复杂,不同的病害之间的症状且有相似之处,非专业人员有时很难区分。为此本文分别给出基于粗糙集的酥梨病害知识发现系统构建与基于神经网络的酥梨病害分类器设计,解决非专业人员难以根据复杂相似病害症状进行诊断的问题。 传统的植物营养诊断方法如DRIS,M-DRIS,DOP,各有所长,在进行诊断时会出现不同的诊断结果,致使用户难以做出决策。证据理论是信息融合技术中一种非常有效的不确定理论方法,根据其证据合成公式可以融合不同的专家知识,为用户做出决策提供良好的途径。本文基于证据理论的优势,构造了营养诊断方法融合模型,对三种诊断方法DRIS、MDRIS、DOP进行融合处理,结果表示该模型是切实可行的。 针对现有的作物水分生产函数模型拟合精度低,本文提出基于支持向量回归机的方法拟合作物水分生产函数,并与现有的模型进行比较,拟合结果显示,基于支持向量机的模型拟合明显优于现有模型。 通过对已有的不完备信息系统粗集扩展模型进行分析,并针对王国胤的限制容差模型存在条件限制宽松和严格的不足,对其加以改造,提出了改进的α限制容差关系模型,通过实例比较,验证其更具有实用性,在划分容差类时更具合理性有效性。其农业应用有待进一步研究。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 林长方;;支持向量机及其应用研究[J];和田师范专科学校学报;2010年05期
2 杨云,朱家元,张恒喜;基于新型机器学习的电子装备系统智能故障诊断研究[J];计算机工程与应用;2003年22期
3 刘解放;侯振雨;吴亮;;支持向量机在模式识别和回归模型中的应用[J];河南科技学院学报(自然科学版);2007年04期
4 张铃;吴涛;周瑛;张燕平;;覆盖算法的概率模型[J];软件学报;2007年11期
5 接标,刘冠晓,冯乔生;统计模式识别的研究[J];云南师范大学学报(自然科学版);2005年06期
6 赵鹏;;基于支持向量机的文本分类方法研究[J];齐齐哈尔大学学报;2008年01期
7 尚凯;徐东平;于红芸;;基于两级分类器和SVM的人脸检测研究[J];计算机与数字工程;2008年11期
8 刘晓敏;杨昕欣;;基于神经网络和D-S证据理论的交通目标识别[J];计算机仿真;2010年09期
9 周皓;李少洪;;支持向量机与证据理论在信息融合中的结合[J];传感技术学报;2008年09期
10 刘晖;穆志韬;牟丽君;;军用飞机维修保障费用机器学习预测方法[J];航空计算技术;2009年03期
11 王强;沈永平;陈英武;;支持向量机规则提取[J];国防科技大学学报;2006年02期
12 刘广迎;李翔;;基于SVM模型的中国电力需求预测[J];制造业自动化;2010年03期
13 姚全珠;田元;王季;杨增辉;张楠;;基于最小二乘支持向量机的非平衡分布数据分类[J];计算机工程与应用;2008年05期
14 何佳洲;周志华;尹旭日;陈世福;;一种通用的故障诊断系统设计方法[J];模式识别与人工智能;2000年04期
15 陈立孚,周宁,李丹;基于机器学习的自动文本分类模型研究[J];现代图书情报技术;2005年10期
16 高尚;;基于Rough集和支持向量机的作战飞机效能评估[J];计算机工程;2006年14期
17 张洪胜;耿焕同;喻为民;;有限样本下中文垃圾邮件过滤的研究与实现[J];计算机应用与软件;2008年01期
18 王凯;侯著荣;王聪丽;;基于交叉验证SVM的网络入侵检测[J];测试技术学报;2010年05期
19 吴涛,张铃,张燕平;机器学习中的核覆盖算法[J];计算机学报;2005年08期
20 李卓;刘斌;刘铁男;任珍珍;;基于支持向量机的抽油机故障诊断研究[J];微计算机信息;2006年07期
中国重要会议论文全文数据库 前10条
1 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 高尚;梅亮;;基于支持向量机的组合预测[A];2007中国控制与决策学术年会论文集[C];2007年
3 周像金;耿国华;周明全;朱翔;;基于BP神经网络和支持向量机的文物分类研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
4 门洪;武玉杰;李小英;高艳春;;基于支持向量机的分类算法研究[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
5 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
6 章成志;;基于机器学习的文本聚类描述算法研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
7 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
8 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
9 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
10 何佳洲;周志华;陈兆乾;;基于IHMCAP算法的一个故障诊断模型[A];1998年中国智能自动化学术会议论文集(下册)[C];1998年
中国博士学位论文全文数据库 前10条
1 刘后胜;基于不确定理论和机器学习的知识发现研究[D];中国科学技术大学;2008年
2 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
3 王国胜;支持向量机的理论与算法研究[D];北京邮电大学;2008年
4 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
5 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
6 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
7 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年
8 于萍;自适应逆控制方法研究及其应用[D];华北电力大学(河北);2006年
9 周柚;基因识别和微阵列数据识别算法研究[D];吉林大学;2008年
10 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
中国硕士学位论文全文数据库 前10条
1 顾民;神经网络、模糊系统、支持向量机内在联系研究[D];电子科技大学;2004年
2 刘军红;基于支持向量机的红外光谱子结构解析[D];四川大学;2005年
3 黄印林;地方宏观经济预警模型与算法研究[D];重庆大学;2005年
4 王琪;基于神经网络和支持向量机的高速公路交通事件检测[D];西南交通大学;2006年
5 王晶;支持向量机及其在癌症诊断中的应用研究[D];东北师范大学;2006年
6 岳琳;城市用水量预测非线性方法的研究[D];天津大学;2005年
7 马波;支持向量机多类分类算法的分析与设计[D];扬州大学;2008年
8 杨雪;支持向量机多类分类方法的研究[D];哈尔滨工程大学;2006年
9 赵石磊;灰色系统理论在电力负荷预测中的应用[D];哈尔滨理工大学;2005年
10 杨振章;基于支持向量数据描述的分类识别算法研究[D];杭州电子科技大学;2009年
中国重要报纸全文数据库 前10条
1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年
2 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年
3 袁正兵吴丹红;国际学者研讨证据理论与科学[N];检察日报;2007年
4 于翔;数字神经网络中的协同应用[N];网络世界;2009年
5 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
6 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
7 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
8 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
9 记者 何边;网络化激活人工智能[N];计算机世界;2001年
10 本报记者 张晔通讯员 李玮;周志华:永不墨守成规[N];科技日报;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978