用于植物信息检测的关联规则数据挖掘算法研究
发布时间：2021-11-17 15:51
随着科技在信息方面的迅速发展及广泛应用,信息系统在各个行业中的应用规模不断扩张,因此而产生的信息量也呈现出爆炸性增长的趋势,大数据由此而生。在大数据背景下如何利用相关技术手段,使用户在短时间内从大量的数据集中找出自己感兴趣的、有价值的信息,是未来大数据处理发展的重要方向之一。随着数据量的快速增加,数据挖掘产生的关联规则数目和无用的冗余规则也不断增加,使用户找到有价值的,感兴趣的规则时间和难度增加,对关联规则的理解、应用以及决策都造成很多困难。本文首先针对Apriori算法的缺点,对其进行改进,建立了一种基于Apriori算法的DAD算子模型。通过采集草莓叶片不同水分状况的光谱反射值,建立相关性系数指标对关联规则进行衡量,利用所提算子模型对冠层叶片含水率与不同波段的光谱反射率之间的潜在关系进行关联规则分析,找出了干旱、轻度干旱、适量和溢水四种不同的水分处理方式下草莓光谱反射特征与叶片水分状况之间的相关关系。第二,对于删除冗余关联规则的标准,引入了三个检验指标,配合最小支持度和最小置信度对冗余关联规则进行删除。详细论证了三个检验指标的权重分析,实验结果证明,三个检验指标能有效地对冗余关联规...
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２－１草莓在田间生长情况??
?２试验准备与方法???验选择在生长周期内４０片成熟叶片，其中有一半样本用于测量，另一半样本用于对算??法的验证。??＾ｓｍｓｓｍ＾．－ａＢｋ＇ｉ，－?｜ｉ丨丨丨丨丨丨｜丨｜丨國■漏＿｜＿１｜丨１１丨丨丨丨丨丨丨?…??」議?＿??Ｉ?；?Ｉ?．??／?，?＇．?％??图２－２国产傅里叶光谱仪??２．３验证叶片反射光谱值映射叶片含水率可行性??图２－３表示四种不同水分处理后草莓叶片反射率和光谱反射值之间的关系。由图２－??３可知，当波长在４００－４０００ｎｍ时，四种水分处理下草莓叶片反射光谱值的变化趋势基??本一致，并且叶片的含水状况与不同水分处理方法有着密切的联系，即不同的水分处理??方法能培育出不同含水状况的草莓叶片。表２－１为不同水分处理下草莓叶片含水率的变??化。当波长为５１０－１８５０ｎｍ波段和２７５０－３８００ｎｍ波段时，反射振幅变化剧烈：例如当波??长在５１０－９８０ｎｍ时反映了叶片从最低含水状况到最高含水状况的吸收特性。另外在叫种??水分处理的曲线图中，不同的波长段存在明显的反射峰和吸收谷，说明通过叶片反射光??谱值映射叶片的含水率状况有可行性。??表２－１不同水分处理下叶片的含水率??水分处理方式?湿基含水率?干基含水率??干早?６９．０４％?２２３．８０％?＾??轻度干旱?６９．７０％?２３０．２７％??适量?７０．１９％?２３５．６８％??溢水?７２．０２％?２５７．８７％???－１！－??
??￣??ｏ?－Ｉ?????????１０００?２０００?３０００?４０００?５００?１０００?１５００?２０００?２５００?３０００?３５００?４０００??波氏?波Ｋ??溢水怙况??Ｉ?？－?Ｓ?§－??Ｏ?－１???????〇?〇－（????????：???１０００?２０００?３０００?４０００?５００?１０００?１５００?２０００?２５００?３０００?３５００?４０００??浊Ｋ；?波Ｋ：??图２－３不同含水状况下草莓叶片含水率的反射光谱值??为了进一步验证通过叶片反射光谱值映射叶片含水状况可行性，本文采用仙客来叶??片光谱值进行验证。图２－４表示四种不同水分处理后仙客来叶片反射率和光谱反射值之??间的关系。由图２－４可知，当波长在６５０－４０００ｎｍ时，四种水分处理下仙客来叶片反射??光谱值变化趋势基本一致。在不同的波长下，会出现不同的吸收谷和反射峰。公式２－６??表示衡量仙客来叶片和反射光谱之间的相关性，计算公式如下：??Ｆ＝?，?Ｍ?．．?■?（２－６）??式中Ｆ表示叶片含水率和光谱反射值之间的相关系数，厶表示叶片含水率，７？，表示??叶片光谱反射率。通过计算可得不同波段的波长对应的相关系数不同，例如７９８－??ｌＯＯＯｎｍ波段的Ｆ值在１９９７－１７５２之间，而２７９６－２９９９ｎｍ波段的Ｆ值在１７８６－１６５７之??间，不同波段之间与叶片含水率有相关性。其中７９８－ｌＯＯＯｎｍ波段的相关系数最高，说??明仙客来叶片的含水率对这个波段的光谱最敏感，证实了通过叶片反射光谱值映射叶片??的含水率状况是可行的。??干￥怙况
【参考文献】：
期刊论文
[1]Mining Conditional Functional Dependency Rules on Big Data[J]. Mingda Li,Hongzhi Wang,Jianzhong Li. Big Data Mining and Analytics. 2020(01)
[2]基于互联网金融的大数据驱动模式[J]. 夏德虎. 电子技术与软件工程. 2019(24)
[3]数据挖掘经典分类聚类算法的研究综述[J]. 姚奇峰,杨连贺. 现代信息科技. 2019(24)
[4]大数据时代的数据挖掘技术与应用分析[J]. 姚娜. 电脑编程技巧与维护. 2019(12)
[5]基于Apriori数据挖掘算法的应用与实践[J]. 徐建军,张国华. 计算机技术与发展. 2020(04)
[6]基于数据挖掘系统网络安全模型预测分析[J]. 王硕鹏. 东北电力大学学报. 2019(06)
[7]基于兴趣度度量的多类差异数据关联规则挖掘[J]. 王桌芳,赵会军,李聪,赵煜,刘震. 计算机应用与软件. 2019(12)
[8]大数据挖掘算法在刷卡中的研究与应用[J]. 高林,高尚飞. 青岛科技大学学报(自然科学版). 2019(06)
[9]大数据背景下的人工智能范式综述[J]. 王杉. 科技风. 2019(34)
[10]基于关联规则的Apriori改进算法的研究综述[J]. 彭新宇,李丛煊,郭金盈,赫彦文. 电脑知识与技术. 2019(34)
硕士论文
[1]大数据环境下相似重复记录数据清洗关键技术研究[D]. 李蕾.南京邮电大学 2019
[2]基于计算机视觉和R语言的年轮分析系统设计与实现[D]. 史景宁.北京林业大学 2018
[3]基于集成学习和流数据挖掘的雷电预报研究[D]. 严军峰.南昌大学 2018
[4]基于机器视觉猕猴桃自动分级方法的基础研究[D]. 李平平.西北农林科技大学 2013
本文编号：3501228
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２－１草莓在田间生长情况??
?２试验准备与方法???验选择在生长周期内４０片成熟叶片，其中有一半样本用于测量，另一半样本用于对算??法的验证。??＾ｓｍｓｓｍ＾．－ａＢｋ＇ｉ，－?｜ｉ丨丨丨丨丨丨｜丨｜丨國■漏＿｜＿１｜丨１１丨丨丨丨丨丨丨?…??」議?＿??Ｉ?；?Ｉ?．??／?，?＇．?％??图２－２国产傅里叶光谱仪??２．３验证叶片反射光谱值映射叶片含水率可行性??图２－３表示四种不同水分处理后草莓叶片反射率和光谱反射值之间的关系。由图２－??３可知，当波长在４００－４０００ｎｍ时，四种水分处理下草莓叶片反射光谱值的变化趋势基??本一致，并且叶片的含水状况与不同水分处理方法有着密切的联系，即不同的水分处理??方法能培育出不同含水状况的草莓叶片。表２－１为不同水分处理下草莓叶片含水率的变??化。当波长为５１０－１８５０ｎｍ波段和２７５０－３８００ｎｍ波段时，反射振幅变化剧烈：例如当波??长在５１０－９８０ｎｍ时反映了叶片从最低含水状况到最高含水状况的吸收特性。另外在叫种??水分处理的曲线图中，不同的波长段存在明显的反射峰和吸收谷，说明通过叶片反射光??谱值映射叶片的含水率状况有可行性。??表２－１不同水分处理下叶片的含水率??水分处理方式?湿基含水率?干基含水率??干早?６９．０４％?２２３．８０％?＾??轻度干旱?６９．７０％?２３０．２７％??适量?７０．１９％?２３５．６８％??溢水?７２．０２％?２５７．８７％???－１！－??
??￣??ｏ?－Ｉ?????????１０００?２０００?３０００?４０００?５００?１０００?１５００?２０００?２５００?３０００?３５００?４０００??波氏?波Ｋ??溢水怙况??Ｉ?？－?Ｓ?§－??Ｏ?－１???????〇?〇－（????????：???１０００?２０００?３０００?４０００?５００?１０００?１５００?２０００?２５００?３０００?３５００?４０００??浊Ｋ；?波Ｋ：??图２－３不同含水状况下草莓叶片含水率的反射光谱值??为了进一步验证通过叶片反射光谱值映射叶片含水状况可行性，本文采用仙客来叶??片光谱值进行验证。图２－４表示四种不同水分处理后仙客来叶片反射率和光谱反射值之??间的关系。由图２－４可知，当波长在６５０－４０００ｎｍ时，四种水分处理下仙客来叶片反射??光谱值变化趋势基本一致。在不同的波长下，会出现不同的吸收谷和反射峰。公式２－６??表示衡量仙客来叶片和反射光谱之间的相关性，计算公式如下：??Ｆ＝?，?Ｍ?．．?■?（２－６）??式中Ｆ表示叶片含水率和光谱反射值之间的相关系数，厶表示叶片含水率，７？，表示??叶片光谱反射率。通过计算可得不同波段的波长对应的相关系数不同，例如７９８－??ｌＯＯＯｎｍ波段的Ｆ值在１９９７－１７５２之间，而２７９６－２９９９ｎｍ波段的Ｆ值在１７８６－１６５７之??间，不同波段之间与叶片含水率有相关性。其中７９８－ｌＯＯＯｎｍ波段的相关系数最高，说??明仙客来叶片的含水率对这个波段的光谱最敏感，证实了通过叶片反射光谱值映射叶片??的含水率状况是可行的。??干￥怙况
【参考文献】：
期刊论文
[1]Mining Conditional Functional Dependency Rules on Big Data[J]. Mingda Li,Hongzhi Wang,Jianzhong Li. Big Data Mining and Analytics. 2020(01)
[2]基于互联网金融的大数据驱动模式[J]. 夏德虎. 电子技术与软件工程. 2019(24)
[3]数据挖掘经典分类聚类算法的研究综述[J]. 姚奇峰,杨连贺. 现代信息科技. 2019(24)
[4]大数据时代的数据挖掘技术与应用分析[J]. 姚娜. 电脑编程技巧与维护. 2019(12)
[5]基于Apriori数据挖掘算法的应用与实践[J]. 徐建军,张国华. 计算机技术与发展. 2020(04)
[6]基于数据挖掘系统网络安全模型预测分析[J]. 王硕鹏. 东北电力大学学报. 2019(06)
[7]基于兴趣度度量的多类差异数据关联规则挖掘[J]. 王桌芳,赵会军,李聪,赵煜,刘震. 计算机应用与软件. 2019(12)
[8]大数据挖掘算法在刷卡中的研究与应用[J]. 高林,高尚飞. 青岛科技大学学报(自然科学版). 2019(06)
[9]大数据背景下的人工智能范式综述[J]. 王杉. 科技风. 2019(34)
[10]基于关联规则的Apriori改进算法的研究综述[J]. 彭新宇,李丛煊,郭金盈,赫彦文. 电脑知识与技术. 2019(34)
硕士论文
[1]大数据环境下相似重复记录数据清洗关键技术研究[D]. 李蕾.南京邮电大学 2019
[2]基于计算机视觉和R语言的年轮分析系统设计与实现[D]. 史景宁.北京林业大学 2018
[3]基于集成学习和流数据挖掘的雷电预报研究[D]. 严军峰.南昌大学 2018
[4]基于机器视觉猕猴桃自动分级方法的基础研究[D]. 李平平.西北农林科技大学 2013
本文编号：3501228
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3501228.html
最近更新
教材专著
