模糊聚類挖掘技術(shù)研究及其在自動化養(yǎng)豬中的應(yīng)用.pdf

1、目前,隨著信息產(chǎn)業(yè)的第三次浪潮的到來,融合各種信息技術(shù)的、打破互聯(lián)網(wǎng)限制的具備“全面感知、可靠傳送、智能處理”特征的物聯(lián)網(wǎng)技術(shù)已經(jīng)滲透到畜牧業(yè)領(lǐng)域?？v觀現(xiàn)代畜牧業(yè)的特點與內(nèi)容,可看出信息化是體現(xiàn)現(xiàn)代畜牧業(yè)特征和實現(xiàn)現(xiàn)代畜牧業(yè)內(nèi)容的重要手段。精準(zhǔn)畜牧業(yè)決策要求與智能計算方法的結(jié)合點或交集主要包括關(guān)聯(lián)、分類、聚類、評判和預(yù)測等。因此,將核模糊聚類算法應(yīng)用在養(yǎng)豬過程中,以滿足廣大養(yǎng)殖者對畜牧業(yè)信息技術(shù)的迫切要求,具有十分重大的意義。
　

2、　在育肥豬養(yǎng)殖過程中,育肥豬出欄是個極其重要環(huán)節(jié),如若對出欄的指導(dǎo)不夠科學(xué),極易出現(xiàn)出欄率低的狀況,因此,為養(yǎng)殖者提供出欄推薦服務(wù)具有重要意義。出欄推薦服務(wù)根據(jù)出欄要求對育肥豬進(jìn)行分類,將適合的育肥豬推薦出欄,把養(yǎng)殖者從紛繁復(fù)雜的信息搜集和處理任務(wù)中解放出來。為使豬群的分類結(jié)果更為合理,本文運用核模糊聚類算法(FKCM)分析豬群數(shù)據(jù),描述了豬只屬于各個分類的不確定性程度,表述了豬群類屬的中介性,使得出欄推薦服務(wù)更加客觀有效。論文的主要工

3、作如下:
　　1、首先介紹課題的研究背景及意義,重點討論了畜牧信息化系統(tǒng)的意義及研究現(xiàn)狀,詳細(xì)描述了FKCM的理論基礎(chǔ),重點闡述了FKCM算法的基本思想及算法流程。
　　2、針對FKCM在獲得最優(yōu)聚類數(shù)時迭代次數(shù)過多的不足,通過減法聚類算法得到了初始聚類數(shù)目的最大值,降低了算法的時間復(fù)雜度。針對 FKCM算法未考慮各樣本對聚類劃分的結(jié)果貢獻(xiàn)度不同的缺陷,運用基于放松約束的樣本加權(quán)法改進(jìn)了原算法。
　　3、介紹了一些常用

4、的有效性指標(biāo),并將其推廣到核化空間中,然后提出一個新的基于核空間的聚類有效性指標(biāo),并對其做了理論證明,實驗證明該指標(biāo)具備良好的聚類有效性判決能力與實用價值。在對豬群數(shù)據(jù)進(jìn)行聚類時,本文先對豬群數(shù)據(jù)進(jìn)行樣本加權(quán),再運用改進(jìn)的FKCM對加權(quán)后的數(shù)據(jù)進(jìn)行劃分,最后結(jié)合專家調(diào)查法推薦豬群出欄。既考慮了各樣本對聚類的貢獻(xiàn)度,又利用經(jīng)驗調(diào)整了聚類結(jié)果。實驗證明,基于上述方法結(jié)合的FKCM在育肥豬出欄上,獲得了更為客觀的劃分效果。
　　4、最后