数据挖掘与精准农业智能决策系统PDF|Epub|txt|kindle电子书版本下载

数据挖掘与精准农业智能决策系统PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 导论1

1.1 研究背景及意义2

1.1.1 数据挖掘3

1.1.2 精准农业3

1.1.3 空间数据挖掘在精准农业生产中的意义4

1.2 精准农业的研究进展6

1.2.1 产量预测及影响因素分析7

1.2.2 管理区划分与地力分级7

1.2.3 精准施肥模型8

1.2.4 品种选择与病虫害预测9

1.2.5 农业智能决策系统研制9

1.3 数据挖掘研究进展及发展趋势10

1.3.1 聚类分析挖掘研究进展11

1.3.2 关联规则挖掘研究进展12

1.3.3 粗糙集理论的研究现状13

1.3.4 决策树理论的研究现状13

1.3.5 数据挖掘可视化研究现状14

1.3.6 时间序列分析方法的研究现状15

1.4 空间数据挖掘的未来发展方向16

参考文献17

第2章 精准农业智能决策技术框架与相关理论介绍22

2.1 引言22

2.2 精准农业决策需求22

2.3 几个重要的精准农业决策需求23

2.4 精准农业问题的特点25

2.4.1 时空性25

2.4.2 不确定性25

2.5 精准农业决策需求与智能技术的结合26

2.6 精准农业问题的求解27

2.6.1 精准农业问题的求解层次27

2.6.2 主要智能决策技术及其在精准农业中的应用28

2.6.3 精准农业智能决策系统30

2.7 本章小结31

参考文献31

第3章 数据挖掘与智能决策相关理论33

3.1 数据挖掘的定义33

3.2 SDM的主要方法33

3.2.1 空间分析方法34

3.2.2 空间统计分析（Spacial Statistical Analysis）35

3.2.3 空间聚类分析（Spatial Clustering Analysis）36

3.2.4 空间关联规则38

3.2.5 粗糙集39

3.2.6 决策树40

3.2.7 本体41

3.2.8 时间序列42

3.2.9 地理信息系统43

3.2.10 可视化44

3.3 空间数据仓库和空间数据挖掘45

3.3.1 空间数据仓库的概念与特征45

3.3.2 空间数据立方体与空间联机分析处理46

3.4 智能空间决策支持系统47

3.4.1 决策支持系统47

3.4.2 专家系统48

3.4.3 智能决策支持系统49

3.4.4 数据挖掘与知识发现49

3.4.5 智能空间决策支持系统49

3.5 本章小结51

参考文献51

第4章 产量预测54

4.1 基于贝叶斯网络的产量预测54

4.1.1 d-分离与节点间独立性54

4.1.2 熵减少量和敏感度分析54

4.1.3 数据描述55

4.1.4 贝叶斯网络学习方法55

4.1.5 模型构建与分析56

4.2 基于时间序列的玉米产量预测分析59

4.2.1 概述59

4.2.2 研究手段与方法60

4.2.3 面向应用领域的时间序列数据挖掘现状62

4.2.4 时间序列预测模型62

4.2.5 应用实例65

4.3 本章小结68

参考文献69

第5章 农田管理区划分方法研究70

5.1 管理区划分中常用的方法70

5.1.1 管理区划分中常用的统计分析方法70

5.1.2 管理区划分中常用的数据挖掘分类算法71

5.2 模糊等价关系的聚类72

5.2.1 数据描述与模糊等价关系的聚类方法72

5.2.2 结果分析与比较77

5.2.3 结论与讨论77

5.3 加权模糊聚类法78

5.3.1 数据描述与加权模糊聚类方法79

5.3.2 结果分析与比较82

5.3.3 结论与讨论84

5.4 空间模糊聚类法85

5.4.1 数据描述与空间模糊聚类方法85

5.4.2 结果分析与比较87

5.4.3 结论与讨论89

5.5 灰色关联度法90

5.5.1 数据描述与灰色关联度法90

5.5.2 结果分析92

5.5.3 结论93

5.6 一种有向变异度方法94

5.6.1 数据描述与有向变异度方法94

5.6.2 结果分析96

5.6.3 结论97

参考文献97

第6章 土壤地力等级智能评定方法100

6.1 地力等级划分的理论基础100

6.1.1 地力等级划分的基本原则100

6.1.2 地力评价方法101

6.2 基于决策树算法的地力分级模型的研究102

6.2.1 引言102

6.2.2 ID3决策树算法102

6.2.3 数据处理与模型建立103

6.2.4 结论112

6.3 粗糙集与决策树结合112

6.3.1 引言112

6.3.2 数据来源与数据预处理113

6.3.3 模型建立与结果分析116

6.3.4 结论与讨论120

6.4 基于贝叶斯网络分类器的地力分级研究121

6.4.1 引言121

6.4.2 数据描述122

6.4.3 Naive模型和TAN模型123

6.4.4 结果分析与比较124

6.4.5 结论126

6.5 基于模糊聚类的土壤养分分级研究126

6.5.1 引言126

6.5.2 研究对象与测定方法126

6.5.3 模糊聚类分析128

6.5.4 结论130

参考文献130

第7章 精准施肥模型与变量施肥效果评价132

7.1 问题的提出与意义132

7.2 常用的施肥模型132

7.2.1 养分平衡法132

7.2.2 肥料效应函数模型133

7.2.3 养分丰缺指标法133

7.3 基于神经网络的施肥模型133

7.3.1 引言133

7.3.2 改进的神经网络集成方法134

7.3.3 基于神经网络的施肥模型及其在精准施肥中的应用141

7.3.4 结果分析与比较148

7.3.5 结论与讨论149

7.4 基于组合预测的施肥模型150

7.4.1 引言150

7.4.2 组合预测方法原理及最优加权系数确定151

7.4.3 组合预测模型结果分析154

7.4.4 结果与讨论155

7.5 变量施肥效果评价155

7.5.1 引言155

7.5.2 加权空间模糊聚类算法的基本原理156

7.5.3 材料与方法159

7.5.4 结果与分析160

7.5.5 结论与讨论162

参考文献163

第8章 病虫害预测165

8.1 基于简化贝叶斯网络的病虫害诊断系统165

8.1.1 引言165

8.1.2 贝叶斯网络与专家系统165

8.1.3 知识库的构建166

8.1.4 简化贝叶斯网络复杂度的方法168

8.1.5 推理机所采用的算法169

8.1.6 基于贝叶斯网络的专家系统的实现170

8.1.7 贝叶斯网络的应用171

8.1.8 结论和讨论172

8.2 基于框架表示的玉米病虫草害诊治专家系统的构建和实现173

8.2.1 系统概论173

8.2.2 知识的表示及推理机制174

8.2.3 知识获取176

8.2.4 系统实现及系统应用176

8.2.5 结论178

参考文献178

第9章 基于数据挖掘的智能决策支持系统180

9.1 引言180

9.2 材料与方法180

9.2.1 系统总体设计180

9.2.2 MPISDSS中的空间知识获取与表达182

9.2.3 ArcIMS实现瓦片拼接技术199

9.2.4 空间模糊算法实现200

9.2.5 MPISDSS中的空间分析与定性推理203

9.2.6 可视化空间数据挖掘214

9.3 结果与分析216

9.3.1 数据获取216

9.3.2 土壤养分空间变异图制作219

9.3.3 可视化空间数据挖掘222

9.3.4 智能决策224

9.4 讨论229

9.5 结论229

参考文献230