農(nóng)業(yè)數(shù)據(jù)分類(lèi)預(yù)測(cè)算法的研究.pdf

1、目前，隨著互聯(lián)網(wǎng)的迅猛發(fā)展，農(nóng)業(yè)網(wǎng)站也在不斷進(jìn)步，而農(nóng)業(yè)網(wǎng)站中農(nóng)業(yè)數(shù)據(jù)每天都以驚人的速度不斷地持續(xù)增長(zhǎng)。并且農(nóng)業(yè)數(shù)據(jù)的種類(lèi)豐富多彩，有宏觀的農(nóng)業(yè)數(shù)據(jù)、科技數(shù)據(jù)、市場(chǎng)數(shù)據(jù)和科學(xué)文化數(shù)據(jù)等。但是這些農(nóng)業(yè)數(shù)據(jù)只是具有大量不確定的、不完整的、帶有噪聲以及冗雜數(shù)據(jù)的原始資料,無(wú)法直接為人們提供有價(jià)值的信息和知識(shí)。我們迫切需要一種技術(shù)幫助我們從茫茫無(wú)際的農(nóng)業(yè)數(shù)據(jù)海洋中獲取與農(nóng)業(yè)生產(chǎn)、管理、經(jīng)營(yíng)相關(guān)的信息，從而做出正確的農(nóng)業(yè)決策，引導(dǎo)農(nóng)業(yè)高效生產(chǎn)。數(shù)

2、據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)進(jìn)行深層次的分析與挖掘的一種技術(shù),是伴隨現(xiàn)代科學(xué)技術(shù)應(yīng)運(yùn)而生。因此，本文采用數(shù)據(jù)挖掘技術(shù)對(duì)農(nóng)業(yè)數(shù)據(jù)進(jìn)行有效的采集，進(jìn)而深度分析數(shù)據(jù)，為用戶提供方便的分類(lèi)預(yù)測(cè)，為用戶提供有利的農(nóng)業(yè)決策，提高農(nóng)業(yè)數(shù)據(jù)的利用率。
　　本研究主要內(nèi)容包括：⑴介紹了農(nóng)業(yè)網(wǎng)站中農(nóng)業(yè)數(shù)據(jù)的特征以及對(duì)農(nóng)業(yè)數(shù)據(jù)的使用現(xiàn)狀，描述了數(shù)據(jù)挖掘技術(shù)的基本理論和思想，通過(guò)分析農(nóng)業(yè)數(shù)據(jù)的特征和數(shù)據(jù)挖掘技術(shù)處理數(shù)據(jù)的思想,探討了數(shù)據(jù)挖掘技術(shù)在農(nóng)業(yè)方面的應(yīng)用研究。

3、⑵提出了加權(quán)的極限學(xué)習(xí)機(jī)分類(lèi)算法。對(duì)基于樸素貝葉斯、支持向量機(jī)和極限學(xué)習(xí)機(jī)的農(nóng)業(yè)數(shù)據(jù)分類(lèi)預(yù)測(cè)算法的進(jìn)行了分析和比較后，提出了的加權(quán)極限學(xué)習(xí)機(jī)分類(lèi)算法，通過(guò)與極限學(xué)習(xí)機(jī)分類(lèi)算法的實(shí)驗(yàn)對(duì)比，證明了其較好的分類(lèi)效果。⑶設(shè)計(jì)了農(nóng)業(yè)數(shù)據(jù)分類(lèi)預(yù)測(cè)模型。分析農(nóng)業(yè)數(shù)據(jù)分類(lèi)預(yù)測(cè)流程，采用了基于纏繞法的農(nóng)業(yè)數(shù)據(jù)屬性篩選，進(jìn)行對(duì)農(nóng)業(yè)數(shù)據(jù)的預(yù)處理；通過(guò)分析作為數(shù)據(jù)源的農(nóng)業(yè)網(wǎng)站的Web頁(yè)面結(jié)構(gòu)特征和HTML語(yǔ)言的結(jié)構(gòu)特征，提出針對(duì)農(nóng)業(yè)網(wǎng)站的Web頁(yè)面提出用于抽取