论文部分内容阅读
河南是农业大省、粮食生产强省。随农业生产过程中物联网、大数据、云计算、人工智能等技术的推广应用,产生了海量的涉农信息数据,这些数据品类繁杂、信息量大且数据结构不尽相同,海量数据到可用信息的转变需要大量的统计分析及数据挖掘工作,采用人工处理方式已不能完成相关任务需求。另外,农业数据的也具有很时效性和地域性。,如何利用现有数据挖掘和统计方法,快速、便捷、有效的从这些纷繁复杂的数据中挖掘到背后隐藏的信息,捕获有效信息,为农业生产提供及时的决策和建议,已成为当今学者们的重要课题也具有十分重要的应用价值。本课题面向上述需求,基于JAVA程序开发语言,采用SSH框架设计和实现了基于web的农业数据挖掘应用系统,本系统通过对农业生产过程中产生的海量数据带入相应数据挖掘算法进行分析,从大量、不完全、有噪声、模糊和随机的数据中提取出隐藏的有效信息和知识发现,通过多样化图形显示,以达到协助用户农业生产决策的目的。数据挖掘常用的算法有决策树算法、神经网络算法、生物智能算法以及粗糙集等算法。本课题以数据挖掘技术为基础,详细分析了 Apriori和K-means等数据挖掘算法,并基于快速、便利的目的对K-means算法进行了改进,系统通过三种算法调用相关农业数据生产进行挖掘,实现对农业数据的有效利用,为农业生产的智能决策支持提供新的技术支撑。本文的主要研究和结果如下:(1)本文基于数据挖掘技术,依照先进性、安全可靠性、可维护性以及可扩展性等原则实现了对该系统的开发做出了整体的设计和详细的模块设计,最终实现基于B/S架构的系统构建。(2)将系统总体分为用户管理、数据管理和数据挖掘三个模块,并且完成了系统的开发。系统采用了 Apriori算法和K-means算法进行数据挖掘,又对K-means算法进行改进,利用新的算法进行实现。(3)基于系统的完成,测试该系统的Apriori算法、K-means算法和改进的K-means算法,系统正常运行,且测试的结果符合预期,取得了较好的结果。