蔡丽霞
- 作品数：4 被引量：14H指数：2
- 供职机构：吉林农业大学信息技术学院更多>>
- 发文基金：国家级星火计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 基于数据挖掘算法土壤肥力状况的分析研究被引量：8
- 2014年
- 为了从土壤养分数据中分析出其对土壤肥力的贡献,以挖掘出描述土壤肥力状况的知识,本文选择数据挖掘技术的C4.5决策树、K-means和DBSCAN聚类算法,利用农安县三个乡(镇)采集的土壤养分数据,从算法的准确率和时间效率两个方面进行模拟实验,并分别就同一数据集不同算法、同一算法不同数据集两种情况进行对比分析。结果表明:对于同一数据集C4.5与K-means算法准确率和时间效率都较高(精度分别为98.7903%、98.1182%,运行时间分别为0.03s、0.08s),但对于依靠大量数据分析土壤肥力状况以预测未来土壤肥力的变化趋势,显然K-means算法更适合。对于不同数据集的比较,选择DBSCAN算法的效果较好(正确率分别为97.1774%、94.0226%、92.3240%)。上述研究结果为分析土壤肥力状况提供了新的参考依据。
- 蔡丽霞陈桂芬
- 关键词：C4聚类算法土壤肥力
- 基于改进的DBSCAN算法的土壤肥力变化的分析研究
- 2013年
- 通常基于密度的DBSCAN算法可以有效地处理任意形状的簇,但由于时空数据具有明显的差异性,该算法不能综合分析土壤肥力状况。针对这一问题,提出了一种基于改进的DBSCAN算法来对农安镇土壤肥力状况进行分析研究。首先利用层次分析法得到土壤养分各属性的权值,以平衡数据间的差异性;其次,利用改进的DBSCAN算法对农安镇的土壤肥力数据进行分析,并将实验结果与传统的DBSCAN算法进行比较。实验结果表明,改进的DBSCAN算法对于选取Eps和minPts两个参数更加快速、有效,聚类结果更好。
- 郭万春蔡丽霞陈航陈桂芬
- 关键词：层次分析DBSCAN算法土壤肥力
- 大数据处理技术在土壤肥力评价中的研究被引量：2
- 2016年
- 采用K-means算法对土壤肥力数据进行聚类分析,然后针对传统K-means聚类算法在处理大数据量时时间复杂度高的难题,提出基于大数据处理技术的K-means算法。实验结果表明:(1)用K-means算法对2013年农安县13个乡镇的土壤养分数据的聚类结果显示,当k值设为3时聚类效果最优,且与实际情况相符。(2)基于Hadoop平台的MapReduce分布式下实现的K-means算法与传统的串行算法相比,提高运行速度并完成大数据量下的计算任务。
- 杨玉琴陈桂芬郭宏亮孙雄辉蔡丽霞
- 关键词：K-MEANS算法HADOOP平台MAPREDUCE模型土壤肥力
- 基于大数据处理技术Hadoop平台玉米精准施肥智能决策系统的研究
- 随着现代科技的发展以及互联网、云计算技术的广泛应用,土壤养分的获取和施肥方案的制定逐渐专业化,但养分数据日益丰富并呈几何指数型增长,同时具有复杂、多样、动态、不完整、时空性等特性。这就意味着从存储到挖掘应用,半结构化、非...
- 蔡丽霞
- 关键词：HADOOP平台智能决策系统
- 文献传递
