广东省科技攻关计划(2005B20701008)
- 作品数：5 被引量：56H指数：5
- 相关作者：薛月菊陈强胡月明杨敬锋陈志民更多>>
- 相关机构：华南农业大学更多>>
- 发文基金：国家科技攻关计划广东省自然科学基金广东省科技攻关计划更多>>
- 相关领域：农业科学自动化与计算机技术经济管理更多>>
- 基于Boosting的决策树集成土地评价被引量：9
- 2008年
- 传统的土地评价方法易受人为因素的限制,探索更科学合理的土地资源评价方法,对土地利用与规划具有重要意义。由于决策树具有分类精度高、分类器可解释性强的优点,特别是C5.0采用了提高决策树分类精度的Boosting技术,提出利用Boosting技术的决策树集成C5.0进行土地评价的方法。采用C5.0算法对广东省土地资源进行了评价,对不使用Boosting的决策树和使用Boosting决策树集成的评价结果进行了分析和比较。研究结果表明利用决策树进行土地质量评价能够得到较高的评价精度,且Boosting决策树集成的土地评价精度高于不使用Boosting的决策树的精度。
- 薛月菊胡月明杨敬锋陈强
- 农产品供应链的信息透明化框架被引量：26
- 2008年
- 为降低农产品物流成本,提高安全质量,向农产品供应链管理和安全质量追踪溯源提供详细、全面与准确的电子信息,利用RFID技术、EPC标准和网络技术,在分析农产品物流供应链的基础上,提出农产品物流网的解决方案;设计了贯穿于农产品物流供应链的信息透明化应用框架;最后,以农产品供应链中的农产品生产环节和配送环节为例,说明了物联网中各环节的工作原理和信息流。所设计的农产品物流供应链的信息透明化框架,将有利于推动EPC/RFID技术在农产品供应链中的应用和推广。
- 薛月菊胡月明杨敬锋陈强
- 关键词：农业经济农产品供应链RFIDEPC信息透明化
- 基于SFAM神经网络集成的土地评价被引量：16
- 2008年
- SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络。为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法。并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度。
- 薛月菊胡月明杨敬锋陈强
- 关键词：神经网络集成BP神经网络RBF神经网络
- 基于关联规则和模糊判据的土地评价方法被引量：14
- 2008年
- 为提高土地评价知识表达的可解释性,使评价结果更能反映土地变化的自然规律与本质特征,提出利用关联规则和模糊判据进行土地评价的方法。并利用所提出的方法对广东省的土地进行了评价。试验结果表明,该方法适于从土地评价数据库中挖掘出易于理解的土地评价规则;当最小支持度分别为0.005、0.003和0.001时,挖掘出的土地评价关联规则数分别为32、54和126条,其中,在最小支持度为0.001时,利用126条土地评价关联规则即能获取高达95.25%的土地评价精度。
- 杨敬锋薛月菊胡月明陈志民陈强包世泰
- 关键词：关联规则模糊判据土地利用变化
- 基于精简模糊分类关联规则的分组模糊判决方法被引量：7
- 2008年
- 为提高土地评价知识表达的简易性和可解释性,提出利用精简模糊分类关联规则和模糊判决进行土地评价的方法.为了降低土地评价模型的复杂程度,提高模糊关联规则分类的有效性和可解释性,本文通过精简模糊分类关联规则,去除了冗余规则,并针对了模糊判决中难以判决的问题,提出分组模糊判决算法进行迭代.实验表明,在采用32条精简规则的情况下,结合精简模糊分类关联规则和分组模糊判决进行土地评价方法获得准确率为92.2835%,比精简前在最小支持度为0.005的情况下得到的32条模糊分类关联规则准确率提高了5.0039%.
- 杨敬锋薛月菊胡月明陈志民陈强
