中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于粗糙集和神经网络在小麦病害诊断中的应用 农机化研究 2012,34 (7) 211-214+218
Position: Home > Articles > Application for Agricultural Pests Diagnosis Based on Rough Set and Neural Network Journal of Agricultural Mechanization Research 2012,34 (7) 211-214+218

基于粗糙集和神经网络在小麦病害诊断中的应用

作  者：
宋仁华;吴昊;张燕子;汪冉;郝晓莎;李小康
单  位：
西北农林科技大学信息工程学院
关键词：
小麦病害;粗糙集;属性约简;诊断系统
摘  要：
针对小麦病害诊断过程的复杂性以及处理信息的不确定性,综合了粗糙集理论与BP神经网络的各自优势,构建了小麦病害诊断模型。首先是对连续的样本数据进行离散化,主要采用差别矩阵计算方法进行启发式知识约简,得到最小简化规则,然后把约简结果作为BP神经网络的输入结点。实验结果表明,采用该方法不仅优化了神经网络的拓扑结构,还降低了神经网络的训练时间,同时大大提高了学习速度和故障诊断的准确率。
译  名：
Application for Agricultural Pests Diagnosis Based on Rough Set and Neural Network
作  者：
Song Renhua,Wu Hao,Zhang Yanzi,Wang Ran,Hao Xiaosha,Li Xiaokang(College of Information Engineering,Northwest A&F University,Yangling 712100,China)
关键词：
rough set;attribute reduction;wheat disease;diagnostic system
摘  要：
For wheat,the process of disease diagnosis and the complexity of the process of dealing with the uncertainty of information,the paper is constructed based on rough set(RS) and the combination of BP neural network model for diagnosis of wheat diseases.Consecutive samples of discrete data,applied to different matrix based on expert experience and heuristic calculation method RS reduction,and the reduction results as BP neural network input nodes.Experimental results show that this method not only optimizes the neural network topology,but also reduces the training time of neural networks,while greatly improving the learning speed and accuracy of fault diagnosis.

相似文章

导出引用
计量
文章访问数: 6
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46