排序方式: 共有22条查询结果,搜索用时 15 毫秒
1.
2.
以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。 相似文献
3.
用概率神经网络的方法,以广东省土地资源为对象进行了土地资源评价的研究,并与BP网络的评价结果作了比较,结果表明,用概率神经网络进行评价的结果比BP网络的评价结果更加准确,更加切合实际情况,一定程度上避免了人为因素的干扰,提高了土地资源评价的准确性. 相似文献
4.
土地评价中关联规则与C4.5规则的应用比较 总被引:3,自引:0,他引:3
关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优缺点。其中关联规则具有更好的可支持排序标准、更客观的冗余规则去除算法以及更高的准确率;但其对数据属性要求比较高,挖掘速度也远不如C4.5规则;C4.5规则准确率略低,但其计算成本低、速度快。 相似文献
5.
农业物联网时代下的伦理问题思考 总被引:1,自引:0,他引:1
从农业物联网伦理问题的成因出发,重点剖析了农业物联网中存在的伦理道德问题,提出应对农业物联网伦理问题的方法。 相似文献
6.
以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。 相似文献
7.
8.
为解决通讯环境较差的农业机械作业状态数据的传输难题,该文提出了基于改进Huffman编码技术的数据压缩方法实现数据的压缩、传输、解析与解压。数据压缩与解压测试的结果表明,数据采集周期为5 s、数据长度为918.38 kb时,基于改进Huffman算法压缩的数据长度为412.56 kb,同样条件下对比传统Huffman算法压缩的数据长度498.56 kb小86 kb,压缩率从传统Huffman算法的45.71%提升至改进Huffman算法的55.08%;传统Huffman算法中数据传输出错率和数据传输丢包率为2.47%和4.18%,而在同样传输要求下的筛选压缩传输中数据传输出错率和数据传输丢包率降至2.06%和0.78%。该方法能满足农业机械作业状态数据压缩传输要求,在单个数据包数据较少、传输时间短的压缩传输方式下能够获得较低的传输出错率和丢包率,且该方法具有计算量少、压缩效率较高特点,适合在农业机械作业区域进行数据传输。 相似文献
9.
10.
决策树C4.5算法结合模糊判决算法的土地评价方法(英文) 总被引:7,自引:0,他引:7
为了传统土地评价过程中影响因子存在连续值时难以构建评价模型的缺点,提高土地评价知识表达的可解释性,通过对语义属性采用多重分支,利用分支的统计显著性的启发式技术来实现剪枝,提出了基于C4.5算法挖掘分类规则。并利用模糊推理的方法,给出模糊匹配程度的概念,计算出被评价土地样本与各C4.5规则匹配的模糊程度,然后从中找出模糊匹配程度最大的所对应的规则,被评价样本即可被评价为该规则的结果所示的土地等级。文章提出了一种基于C4.5算法和模糊判决算法的土地资源评价模型构建方法,通过广东省土地评价数据库的实验结果表明,该方法能够适用于土地评价当中,当选取100条规则作为规则库进行土地评价时,获得了86.67%的数量准确率和84.80%的面积准确率。 相似文献