農(nóng)業(yè)數(shù)據(jù)分類預測算法的研究.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。并且農(nóng)業(yè)數(shù)據(jù)的種類豐富多彩，有宏觀的農(nóng)業(yè)數(shù)據(jù)、科技數(shù)據(jù)、市場數(shù)據(jù)和科學文化數(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,無法直接為人們提供有價值的信息和知識。我們迫切需要一種技術幫助我們從茫茫無際的農(nóng)業(yè)數(shù)據(jù)海洋中獲取與農(nóng)業(yè)生產(chǎn)、管理、經(jīng)營相關的信息，從而做出正確的農(nóng)業(yè)決策，引導農(nóng)業(yè)高效生產(chǎn)。數(shù)

2、據(jù)挖掘技術對數(shù)據(jù)進行深層次的分析與挖掘的一種技術,是伴隨現(xiàn)代科學技術應運而生。因此，本文采用數(shù)據(jù)挖掘技術對農(nóng)業(yè)數(shù)據(jù)進行有效的采集，進而深度分析數(shù)據(jù)，為用戶提供方便的分類預測，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)挖掘技術的基本理論和思想，通過分析農(nóng)業(yè)數(shù)據(jù)的特征和數(shù)據(jù)挖掘技術處理數(shù)據(jù)的思想,探討了數(shù)據(jù)挖掘技術在農(nóng)業(yè)方面的應用研究。

3、⑵提出了加權的極限學習機分類算法。對基于樸素貝葉斯、支持向量機和極限學習機的農(nóng)業(yè)數(shù)據(jù)分類預測算法的進行了分析和比較后，提出了的加權極限學習機分類算法，通過與極限學習機分類算法的實驗對比，證明了其較好的分類效果。⑶設計了農(nóng)業(yè)數(shù)據(jù)分類預測模型。分析農(nóng)業(yè)數(shù)據(jù)分類預測流程，采用了基于纏繞法的農(nóng)業(yè)數(shù)據(jù)屬性篩選，進行對農(nóng)業(yè)數(shù)據(jù)的預處理；通過分析作為數(shù)據(jù)源的農(nóng)業(yè)網(wǎng)站的Web頁面結構特征和HTML語言的結構特征，提出針對農(nóng)業(yè)網(wǎng)站的Web頁面提出用于抽取