收藏本站
收藏 | 论文排版

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

张冬威  
【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缝的集成,并且定制一个使其可以高效协同工作的环境,从而达到为用户提供准确可靠的精准农业生产知识的目标。 在精准农业的相关技术环节中,精准施肥的应用范围最为广泛,同时技术也最为成熟,它被认为是精准农业技术中的核心组成部分。通过采用精准施肥技术,可以有效的调节施肥量,从而可以使土壤的生产力得到充分利用,这样做可以使化肥的利用率得到提高,使施肥环境得到一定的改善,并且最重要的是能够得到较大的收益。在已有的求解精准施肥问题的相关农业技术中,并没能较好的对施肥过程中的养分、施肥量和其余因素之间呈现出的显著的非线性关系进行拟合,从某种程度上限制了其应用的范围。鉴于神经网络集成技术可以较为高效准确的进行非线性关系预测,本文采用这种集成方法来求解精准施肥这一类特殊的回归问题。 本文主要对选择性神经网络集成中的个体优选环节进行了研究。为解决精准施肥这一难题,本文提出了一种基于网络聚类选择的神经网络集成方法NCSNNE。在NCSNNE中,首次将复杂网络聚类技术与神经网络集成相结合,为选择性神经网络集成的个体优选环节提出了一种新的解决思路。NCSNNE算法首先采用回放取样的方法来生成初始的个体神经网络,在获得个体神经网络后,通过给出一种神经网络相似度度量标准来构建个体网络间的相似度矩阵,采用复杂网络聚类算法FEC对该矩阵对应的k最近邻网络进行聚类。聚类后会得到若干簇的集合,从每个簇中选取一个预测精度最高的神经网络作为“精英网络”,从而筛选出一组精度高、多样性强的个体神经网络。 在结论生成环节,已有的方法主要包括了线性加权集成方法和非线性集成方法。考虑到两种方法在实际问题中都有许多应用,为了选取一种更为合理有效的结论生成方法,本文对这两种方法均进行了实现。针对线性加权集成,采用模糊系统分析的方法来对其进行实现,在该方法中,将权值看作模糊数,相继引入其核、广度和隶属函数,利用模糊数所具有的一些性质,将确定权值的问题转化为了一个线性规划问题,易于求解;针对非线性集成,采用神经网络的方法来对其进行实现。本文对线性加权集成、非线性集成和融合二者的结果都做了相应的实验,最终的实验结果证明融合后的效果最佳,故在算法NCSNNE中,采用了融合的办法来生成最终的预测结果。面向农作物精准施肥量确定问题,采用从榆树玉米试验田中提取出的数据对算法NCSNNE进行了实际应用,应用结果表明该方法不仅优于传统的施肥模型、神经网络线性加权集成和神经网络非线性集成方法,而且还具有较强的泛化能力。 最后,本文应用上述理论研究成果,设计并且实现了“数字农业知识网格技术研究及应用”项目中的精准施肥决策服务组件PFDSC。在实现该服务组件的过程中,主要采用了基于网络聚类选择的神经网络集成算法NCSNNE,使其可以在实际应用中为客户提供关于精准施肥的决策访问服务功能。从功能模块的角度来进行划分,将PFDSC划分为三个基本模块:训练模块、选择模块和预测模块,这也完全符合与算法NCSNNE的三个关键步骤的对应关系。其中训练模块对应初始群体生成部分,选择模块对应个体优选部分,而预测模块对应结论生成部分。项目的整体架构采用了SOA的体系结构,选取微软现阶段较为流行的WCF技术来进行实现,故将精准施肥决策服务子系统以服务组件的形式发布,使得构建的系统可以更加灵活的进行扩展。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘青,周鹏;基于强泛化神经网络的大规模基因表达数据分析[J];计算机工程;2005年03期
2 刘关松,徐建国,高敦岳;基于神经网络集成的舌苔分类方法[J];计算机工程;2003年14期
3 乔双,宋建中;基于DSP并行结构的多神经网络集成分类器[J];物理实验;2003年11期
4 龚安;张敏;;基于约束规划的选择性神经网络集成方法[J];计算机科学;2007年06期
5 凌锦江,周志华;基于因果发现的神经网络集成方法[J];软件学报;2004年10期
6 傅强,胡上序,赵胜颖;基于PSO算法的神经网络集成构造方法[J];浙江大学学报(工学版);2004年12期
7 孔安生,王洪澄,李国正;神经网络集成与支持向量机在多值分类问题上的比较研究[J];计算机工程与应用;2005年01期
8 沈掌泉,孔繁胜;基于个体选择的动态权重神经网络集成方法研究[J];计算机工程与应用;2005年12期
9 巩文科;李长河;石争浩;赵洁;;基于样本重构的神经网络集成学习方法[J];计算机应用;2006年06期
10 文习明;;基于神经网络集成的数据分析[J];现代计算机;2006年05期
11 阮忠;林方;;基于神经网络的入侵检测系统的实现[J];计算机与网络;2008年09期
12 郑学伟;景秀丽;;神经网络下的数据分析研究[J];电大理工;2009年04期
13 张正道,胡寿松;基于神经网络免疫集成的非线性时间序列故障预报[J];东南大学学报(自然科学版);2004年S1期
14 王正群;陈世福;陈兆乾;;基于模糊划分的神经网络集成[J];南京大学学报(自然科学版);2006年01期
15 孙冰;宫宁生;朱梧槚;;基于覆盖的神经网络集成在语音识别中的应用[J];南京大学学报(自然科学版);2006年03期
16 徐敏;;神经网络集成在图书剔旧分类中的应用[J];计算机工程;2006年20期
17 巩文科;李心广;赵洁;;基于神经网络集成的入侵检测方法的研究[J];计算机工程;2007年08期
18 潘希姣;;多子群粒子群集成神经网络[J];安徽建筑工业学院学报(自然科学版);2007年02期
19 徐敏;;构造性层状神经网络集成方法[J];计算机工程与应用;2008年18期
20 陈梅兰;;神经网络集成的设计与应用[J];现代计算机(专业版);2008年04期
中国重要会议论文全文数据库 前10条
1 李蓬宁;;一种新的非线性神经网络集成股市预测模型[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
2 张郴;;基于神经网络集成的旅游需求预测模型[A];中国地理学会百年庆典学术论文摘要集[C];2009年
3 赵庶旭;党建武;马海民;;基于FIF的神经网络自律集成研究[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
4 吴月明;王益群;李莉;;基于神经网络集成的可靠性分布模型的智能识别[A];2006年全国机械可靠性学术交流会论文集[C];2006年
5 吕强;刘士荣;俞金寿;;神经网络聚类加权集成及其应用[A];2007年中国智能自动化会议论文集[C];2007年
6 张正道;胡寿松;;基于神经网络免疫集成的非线性时间序列故障预报[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年
7 肖迪;林锦国;胡寿松;;一种新的粗糙RBF网络集成方法[A];第二十七届中国控制会议论文集[C];2008年
8 潘晔;顾幸生;卢胜利;;基于信度分配的并行集成CMAC及其在建模中的应用[A];2009年中国智能自动化会议论文集(第八分册)[控制理论与应用(专刊)][C];2009年
9 钱博;;基于神经网络集成的说话人识别算法仿真研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年
10 陈保家;李力;赵新泽;;基于尺度-小波能量谱、粗糙集和神经网络集成的内燃机故障诊断方法[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 林民龙;基于神经网络集成的增量式学习[D];中国科学技术大学;2012年
2 于合龙;精准农业生产中若干智能决策问题研究[D];吉林大学;2010年
3 黄保海;基于分解—集成的汽轮发电机组故障诊断方法研究[D];华北电力大学;2012年
4 高敬阳;神经网络集成BOOSTING类算法研究[D];北京化工大学;2012年
5 陈晓娟;模拟电路神经网络故障诊断方法的研究[D];吉林大学;2006年
6 李辉;提高密度泛函理论方法计算吸收能的精度:神经网络和遗传算法[D];东北师范大学;2009年
7 肖迪;新型粗糙神经网络的模式识别与故障诊断方法的研究[D];南京航空航天大学;2005年
8 戴群;基于ICBP模型的混合神经网络与多样化集成方法的研究[D];南京航空航天大学;2009年
9 甘志刚;仿人机器人数字仿真与虚拟示教关键技术研究[D];华南理工大学;2009年
10 沈掌泉;神经网络集成技术及其在土壤学中应用的研究[D];浙江大学;2005年
中国硕士学位论文全文数据库 前10条
1 李岩;神经网络集成及其在分类和回归问题中的应用研究[D];华北电力大学(河北);2010年
2 李贝贝;神经网络集成算法研究及其在煤矿安全中的应用[D];山东师范大学;2012年
3 徐瑜;基于主动差异学习神经网络集成的电力变压器故障诊断方法研究[D];湘潭大学;2010年
4 夏贵荣;神经网络集成在公交行驶时间预测中的研究与应用[D];兰州理工大学;2010年
5 张冬威;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[D];吉林大学;2011年
6 杨阳;基于输出误差曲线差异度计算的神经网络集成[D];北京化工大学;2011年
7 齐灿;基于蜂群算法的神经网络集成研究[D];湖南大学;2013年
8 胡啸;神经网络集成在洪灾损失评估中的应用研究[D];江西理工大学;2012年
9 刘李飞;基于信息理论学习的神经网络集成[D];河北大学;2014年
10 潘远;粗集约简的神经网络集成在遥感影像分类中的应用[D];辽宁工程技术大学;2012年
中国重要报纸全文数据库 前1条
1 记者 王进;华中科大船海学院六项目获国家自然基金资助[N];中国船舶报;2010年
 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