电子商务时代农业经济管理信息化建设策略及提高农业多值数据集精度的机器学习分类技术.docx
《电子商务时代农业经济管理信息化建设策略及提高农业多值数据集精度的机器学习分类技术.docx》由会员分享,可在线阅读,更多相关《电子商务时代农业经济管理信息化建设策略及提高农业多值数据集精度的机器学习分类技术.docx(4页珍藏版)》请在课桌文档上搜索。
1、电子商务时代农业经济管理信息化建设策略及提高农业多值数据集精度的机器学习分类技术摘要:现今,农业植物病害的原因很多是由于恶劣的天气原因造成的。植物在受感染时的生命周期,诸如环境、天气,单一与混合感染,以及遗传病等很多原因,影响农业植物病害的诊断。由于这些因素,诊断植物早期疾病是一项艰巨的任务。机器学习分类技术,如贝叶斯和神经网络技术进行了比较,开发了一种新技术来诊断植物早期疾病,增强了判断的准确性。关键词:机器学习;分类技术;神经网络;监督机器学习数据挖掘为农业决策提供了重要的参考。数据挖掘技术已经得到了广泛的应用。然而,处理具有多个属性的非常大的数据集是困难的。数据挖掘技术扩展了数据处理的能
2、力,并作为农业数据处理的开源工具,它还提供了一种面向用户的方法来检测农业数据集中的新事实和隐藏事实。通过使用这些机密信息,可以帮助农业管理员提高植物的质量。其中一个重要的数据挖掘应用涉及从给定的数据预测植物的进展。农业数据挖掘有助于识别农业数据集中的特征和机密信息之间的关系1。这也为农业高产种植提供了有价值的搜索结果。从这些数据集中提取必要的搜索结果,可以发现可用于植物生长的规则。在这里,训练数据集包括产生不精确结果的无关和重复特征。在预处理过程中,采用特征提取方法对数据量进行降维处理。这个过程是为了消除不相关的数据,提高准确性和可理解性。1易访问预测系统的重大问题研究人员开发并实施了许多方法
3、来提高相关性技术的效率和精度水平。每种技术在预测植物病害方面都有其独特的缺点,如单一的分类技术具有预测能力,但是随着数据量的增加效率会较低。另一方面,由于产生了过多的误报结果,许多技术在实时环境中是不够准确的。假阳性是表示所使用的分类算法预测错误的语句。1.1 贝叶斯网络贝叶斯网络(BN)是指概率关联的图形模型中的各种变量。BN结构S由一个协调的非循环映射(DAG)组成,S中心以平衡的方式对应X高亮点。曲线反映了两者之间的突然影响在贝叶斯网络中,学习任务通常分为两个子任务2。贝叶斯方法的分类器的一个问题是,它允许经常性的属性被更频繁地削弱。在将持久特征转化为离散域的过程中增加了序列问题。其他一
4、些问题可能包括喧嚷、数据丢失和对等级因子的特征差异。常数特征的贝叶斯分类器技术不修改离散特征,其中包括对属性的限制性分布的估值,高斯泛函克服了在这一点上的限制性分布问题,对机器学习提供的信息索引进行了调查。这些特征在贝叶斯网络分类器中使用高斯分量可以提供更好的排列精度。1.2 人工神经网络由生物神经方法激活的信息加工的一个例子是人工神经网络(ANN),例如大脑的信息加工过程。大量相互关联的处理元素(神经元)统一工作以解决特定任务是中性的。从简单的意义上说,这个网络是由大量与执行任务直接相关的相互关联的处理组件组成。每个节点对应一个处理单元,链接显示其底层的连接,神经网络机制提供高效的结果。人工
5、神经网络的优点:(1)基于神经网络的模型具有不完全信息的功能,即使训练阶段后信息不完全,该模型也会产生输出。(2)这个系统更能容忍错误。在空闲状态下,不受一个或多个神经元的影响,方法的输出由产生的中子获得。(3)更适合执行并行处理操作。2提出工作为了提高农业平台病害的预测精度,已有研究人员实施了大量的虚警算法,但每种算法都有一定的局限性。因此,该研究将常用的数据挖掘分类技术、神经网络和朴素贝叶斯与以往研究的内容相结合,采用神经网络技术生成有效的预测系统。作为贝叶斯定理的简化版本,朴素贝叶斯算法决定了一类函数属于哪一类。每个特征的后验概率,给出该特征在实例中存在的值;具有最大概率的那类被分配给实
6、例。选择的技术以分层的形式嵌入以提高准确率,如果一种技术无法准确预测信息,则第二种技术可以提高预测正确的概率3。建议的解决方案的伪阶段如下:1)插入UCl库中大豆、南瓜的农业数据集。2)处理预处理技术(1)10倍交叉验证技术,将数据集划分为测试和训练部分。(2)使用CFS和BFS方法选择优化的特征集。3)利用贝叶斯方法的预测机制研究数据。4)当数据准确预测后,数据集更新从处理后的数据集中删除其存在。5)当数据预测不准确时,则提供给下一个技术,即使用延时进行预测。6)重复步骤3到5,直到分析完完整的数据集。7)预测应用方法的精度。3实验设置及结果分析该文提出的方法采用了与不同的传统方法相同的标准
7、,以找到一种基于预测精度的高效平衡对比方法。根据其预测精度,分析了整个算法,即提出的预测技术和单一预测技术。为了比较已实现的技术和其他使用的数据预测算法的结果,用相同的参数进行了几个实验,使用带有所需参数的类似数据集,比如属性的数量和实例的数量。从在线数据提供者(UCl存储库)获得了各种数据集,以供进一步评估。上述表格的结果表明,与传统的单一数据挖掘应用程序相比,该文提出的方法获得了较高的大豆预测精度。4结语在提尔的方案中,进行了几个数据预测实验。该文提出的方法不需要合并这些算法,但也考虑了在施工技术时属性的选择过程。一种基于相关性的特征选择方法被用于最佳优先搜索方法,只选择相对和有效的属性。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 电子商务 时代 农业经济 管理 信息化 建设 策略 提高 农业 数据 精度 机器 学习 分类 技术
链接地址:https://www.desk33.com/p-343290.html