版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、傳統(tǒng)單機(jī)版的農(nóng)業(yè)專(zhuān)家系統(tǒng)受時(shí)間、空間的限制,缺乏靈活性,數(shù)據(jù)處理形式單一,難以適應(yīng)當(dāng)前信息膨脹的互連網(wǎng)時(shí)代。隨著Internet技術(shù)的不斷發(fā)展,網(wǎng)絡(luò)日益成為信息傳輸?shù)闹饕J?,建立基于網(wǎng)絡(luò)的農(nóng)作物病蟲(chóng)害智能診斷系統(tǒng)是農(nóng)業(yè)信息化發(fā)展的必然趨勢(shì)。針對(duì)智能系統(tǒng)網(wǎng)絡(luò)化的要求,本文以小麥病害診斷為切入點(diǎn),重點(diǎn)研究網(wǎng)絡(luò)專(zhuān)家系統(tǒng)模型、知識(shí)庫(kù)構(gòu)建以及小麥病害診斷中的知識(shí)獲取與推理方法,并對(duì)提出的診斷算法進(jìn)行測(cè)試,開(kāi)發(fā)了算法測(cè)試軟件和B/S模式的小麥病害
2、智能診斷原型系統(tǒng)。 本文的主要研究?jī)?nèi)容包括: (1)為了使知識(shí)庫(kù)適應(yīng)網(wǎng)絡(luò)環(huán)境的需要,提出一種結(jié)合面向?qū)ο蠛蚗ML技術(shù)的小麥病蟲(chóng)害知識(shí)表示方法,構(gòu)建了小麥病蟲(chóng)害XML知識(shí)庫(kù),使知識(shí)庫(kù)具有高度可擴(kuò)展性并且不依賴于軟硬件平臺(tái);探討了網(wǎng)絡(luò)專(zhuān)家系統(tǒng)相對(duì)于傳統(tǒng)單機(jī)版專(zhuān)家系統(tǒng)的優(yōu)勢(shì),提出了一個(gè)基于J2EE/XML的網(wǎng)絡(luò)專(zhuān)家系統(tǒng)模型,使用EJB技術(shù)設(shè)計(jì)可重用的推理組件,使業(yè)務(wù)處理邏輯與底層系統(tǒng)邏輯分開(kāi)。 (2)針對(duì)傳統(tǒng)專(zhuān)家系統(tǒng)在
3、知識(shí)獲取和不確定性推理等方面的不足,提出基于BP神經(jīng)網(wǎng)絡(luò)的小麥病害的知識(shí)獲取與推理方法。對(duì)小麥病害特征參數(shù)進(jìn)行編碼,利用神經(jīng)網(wǎng)絡(luò)確定病害癥狀與病害類(lèi)型之間的因果關(guān)系,從而實(shí)現(xiàn)小麥病害的智能診斷。實(shí)驗(yàn)證明,該方法的平均診斷正確率為80%。 (3)為了使神經(jīng)網(wǎng)絡(luò)的診斷過(guò)程透明化,采用帶懲罰函數(shù)的交錯(cuò)熵誤差函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,通過(guò)神經(jīng)網(wǎng)絡(luò)剪枝、權(quán)重分析和設(shè)定閾值三個(gè)步驟從神經(jīng)網(wǎng)絡(luò)中抽取產(chǎn)生式規(guī)則。實(shí)驗(yàn)證明,當(dāng)閾值為0.2時(shí),提取的
4、診斷規(guī)則比較可靠,規(guī)則的保真度和精度分別為85%和81%。 (4)將灰色關(guān)聯(lián)分析應(yīng)用于小麥病害案例推理中,提出采用灰色綜合關(guān)聯(lián)度做為案例的相似性度量指標(biāo),改進(jìn)了距離相似性度量的缺陷。同時(shí)在案例檢索中考慮特征參數(shù)對(duì)案例檢索的重要性程度的不同,通過(guò)對(duì)不同特征參數(shù)設(shè)置不同的權(quán)值解決非關(guān)鍵指標(biāo)對(duì)案例判斷的干擾問(wèn)題。測(cè)試結(jié)果表明,灰色關(guān)聯(lián)案例推理的平均診斷正確率為82.5%。 (5)研究系統(tǒng)實(shí)現(xiàn)的關(guān)鍵技術(shù),并使用JAVA語(yǔ)言開(kāi)發(fā)了
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于圖像分析的小麥病害診斷方法的研究.pdf
- 基于Web的葡萄病害診斷智能決策支持系統(tǒng)的分析與研究.pdf
- 基于Web的智能答疑技術(shù)研究與實(shí)現(xiàn).pdf
- 基于ANNES的故障智能診斷技術(shù)研究.pdf
- 基于語(yǔ)義Web的服務(wù)智能組裝技術(shù)研究.pdf
- 基于病歷信息的智能診斷技術(shù)研究.pdf
- 基于智能隧道的主題Web信息采集技術(shù)研究.pdf
- 基于Web數(shù)據(jù)挖掘的信息智能過(guò)濾技術(shù)研究.pdf
- 基于全矢譜的智能診斷技術(shù)研究.pdf
- 大田小麥葉部病害智能診斷系統(tǒng)研究與應(yīng)用.pdf
- 基于圖像識(shí)別的玉米葉部病害診斷技術(shù)研究.pdf
- 動(dòng)態(tài)Web廣告的智能獲取技術(shù)研究.pdf
- 海量Web信息智能獲取技術(shù)研究.pdf
- 小麥全蝕病菌的遺傳組成和病害的防治技術(shù)研究.pdf
- 基于支持向量機(jī)的智能故障診斷技術(shù)研究.pdf
- 基于高光譜成像的小麥赤霉病害分級(jí)診斷研究.pdf
- 基于Web的全景技術(shù)研究.pdf
- 基于Web的CAI技術(shù)研究.pdf
- 小麥主要病害防治技術(shù)
- 基于Web日志挖掘技術(shù)的智能Web站點(diǎn)研究.pdf
評(píng)論
0/150
提交評(píng)論