數據挖掘與精準農業(yè)智能決策系統(tǒng)

序
前言
第1章 導論
1.1 研究背景及意義
1.1.1 數據挖掘
1.1.2 精準農業(yè)
1.1.3 空間數據挖掘在精準農業(yè)生產中的意義
1.2 精準農業(yè)的研究進展
1.2.1 產量預測及影響因素分析
1.2.2 管理區(qū)劃分與地力分級
1.2.3 精準施肥模型
1.2.4 品種選擇與病蟲害預測
1.2.5 農業(yè)智能決策系統(tǒng)研制
1.3 數據挖掘研究進展及發(fā)展趨勢
1.3.1 聚類分析挖掘研究進展
1.3.2 關聯(lián)規(guī)則挖掘研究進展
1.3.3 粗糙集理論的研究現狀
1.3.4 決策樹理論的研究現狀
1.3.5 數據挖掘可視化研究現狀
1.3.6 時間序列分析方法的研究現狀
1.4 空間數據挖掘的未來發(fā)展方向
參考文獻
第2章 精準農業(yè)智能決策技術框架與相關理論介紹
2.1 引言
2.2 精準農業(yè)決策需求
2.3 幾個重要的精準農業(yè)決策需求
2.4 精準農業(yè)問題的特點
2.4.1 時空性
2.4.2 不確定性
2.5 精準農業(yè)決策需求與智能技術的結合
2.6 精準農業(yè)問題的求解
2.6.1 精準農業(yè)問題的求解層次
2.6.2 主要智能決策技術及其在精準農業(yè)中的應用
2.6.3 精準農業(yè)智能決策系統(tǒng)
2.7 本章小結
參考文獻
第3章 數據挖掘與智能決策相關理論
3.1 數據挖掘的定義
3.2 SDM的主要方法
3.2.1 空間分析方法
3.2.2 空間統(tǒng)計分析
3.2.3 空間聚類分析
3.2.4 空間關聯(lián)規(guī)則
3.2.5 粗糙集
3.2.6 決策樹
3.2.7 本體
3.2.8 時間序列
3.2.9 地理信息系統(tǒng)
3.2.10 可視化
3.3 空間數據倉庫和空間數據挖掘
3.3.1 空間數據倉庫的概念與特征
3.3.2 空間數據立方體與空間聯(lián)機分析處理
3.4 智能空間決策支持系統(tǒng)
3.4.1 決策支持系統(tǒng)
3.4.2 專家系統(tǒng)
3.4.3 智能決策支持系統(tǒng)
3.4.4 數據挖掘與知識發(fā)現
3.4.5 智能空間決策支持系統(tǒng)
3.5 本章小結
參考文獻
第4章 產量預測
4.1 基于貝葉斯網絡的產量預測
4.1.1 d-分離與節(jié)點間獨立性
4.1.2 熵減少量和敏感度分析
4.1.3 數據描述
4.1.4 貝葉斯網絡學習方法
4.1.5 模型構建與分析
4.2 基于時間序列的玉米產量預測分析
4.2.1 概述
4.2.2 研究手段與方法
4.2.3 面向應用領域的時間序列數據挖掘現狀
4.2.4 時間序列預測模型
4.2.5 應用實例
4.3 本章小結
參考文獻
第5章 農田管理區(qū)劃分方法研究
5.1 管理區(qū)劃分中常用的方法
5.1.1 管理區(qū)劃分中常用的統(tǒng)計分析方法
5.1.2 管理區(qū)劃分中常用的數據挖掘分類算法
5.2 模糊等價關系的聚類
5.2.1 數據描述與模糊等價關系的聚類方法
5.2.2 結果分析與比較
5.2.3 結論與討論
5.3 加權模糊聚類法
5.3.1 數據描述與加權模糊聚類方法
5.3.2 結果分析與比較
5.3.3 結論與討論
5.4 空間模糊聚類法
5.4.1 數據描述與空間模糊聚類方法
5.4.2 結果分析與比較
5.4.3 結論與討論
5.5 灰色關聯(lián)度法
5.5.1 數據描述與灰色關聯(lián)度法
5.5.2 結果分析
5.5.3 結論
5.6 一種有向變異度方法
5.6.1 數據描述與有向變異度方法
5.6.2 結果分析
5.6.3 結論
參考文獻
第6章 土壤地力等級智能評定方法
6.1 地力等級劃分的理論基礎
6.1.1 地力等級劃分的基本原則
6.1.2 地力評價方法
6.2 基于決策樹算法的地力分級模型的研究
6.2.1 引言
6.2.2 ID3決策樹算法
6.2.3 數據處理與模型建立
6.2.4 結論
6.3 粗糙集與決策樹結合
6.3.1 引言
6.3.2 數據來源與數據預處理
6.3.3 模型建立與結果分析
6.3.4 結論與討論
6.4 基于貝葉斯網絡分類器的地力分級研究
6.4.1 引言
6.4.2 數據描述
6.4.3 Naive模型和TAN模型
6.4.4 結果分析與比較
6.4.5 結論
6.5 基于模糊聚類的土壤養(yǎng)分分級研究
6.5.1 引言
6.5.2 研究對象與測定方法
6.5.3 模糊聚類分析
6.5.4 結論
參考文獻
第7章 精準施肥模型與變量施肥效果評價
7.1 問題的提出與意義
7.2 常用的施肥模型
7.2.1 養(yǎng)分平衡法
7.2.2 肥料效應函數模型
7.2.3 養(yǎng)分豐缺指標法
7.3 基于神經網絡的施肥模型
7.3.1 引言
7.3.2 改進的神經網絡集成方法
7.3.3 基于神經網絡的施肥模型及其在精準施肥中的應用
7.3.4 結果分析與比較
7.3.5 結論與討論
7.4 基于組合預測的施肥模型
7.4.1 引言
7.4.2 組合預測方法原理及最優(yōu)加權系數確定
7.4.3 組合預測模型結果分析
7.4.4 結果與討論
7.5 變量施肥效果評價
7.5.1 引言
7.5.2 加權空間模糊聚類算法的基本原理
7.5.3 材料與方法
7.5.4 結果與分析
7.5.5 結論與討論
參考文獻
第8章 病蟲害預測
8.1 基于簡化貝葉斯網絡的病蟲害診斷系統(tǒng)
8.1.1 引言
8.1.2 貝葉斯網絡與專家系統(tǒng)
8.1.3 知識庫的構建
8.1.4 簡化貝葉斯網絡復雜度的方法
8.1.5 推理機所采用的算法
8.1.6 基于貝葉斯網絡的專家系統(tǒng)的實現
8.1.7 貝葉斯網絡的應用
8.1.8 結論和討論
8.2 基于框架表示的玉米病蟲草害診治專家系統(tǒng)的構建和實現
8.2.1 系統(tǒng)概論
8.2.2 知識的表示及推理機制
8.2.3 知識獲取
8.2.4 系統(tǒng)實現及系統(tǒng)應用
8.2.5 結論
參考文獻
第9章 基于數據挖掘的智能決策支持系統(tǒng)
9.1 引言
9.2 材料與方法
9.2.1 系統(tǒng)總體設計
9.2.2 MPISDSS中的空間知識獲取與表達
9.2.3 ArcIMS實現瓦片拼接技術
9.2.4 空間模糊算法實現
9.2.5 MPISDSS中的空間分析與定性推理
9.2.6 可視化空間數據挖掘
9.3 結果與分析
9.3.1 數據獲取
9.3.2 土壤養(yǎng)分空間變異圖制作
9.3.3 可視化空間數據挖掘
9.3.4 智能決策
9.4 討論
9 .5 結論
參考文獻