Published January 1, 2016
| Version v1
Publication
Open
Research of Large-Scale and Complex Agricultural Data Classification Algorithms Based on the Spatial Variability
Creators
- 1. Jilin Normal University
- 2. Institute of Scientific and Technical Information of China
Description
In the actual classification problems, as a result of lack of clear boundary information between classification objects, that could lead to loss of classification accuracy easily. Therefore, this article from the spatial patterns of the sample properties to proceed, fuzzy clustering algorithm is proposed based on the sensitivity of attribute weights, through using the attribute weights to improve the classification capability between confusing samples, that is for researching and analysing soil nutrient spatial data with consecutive years to collect in Nongan town. Then through the analysis of the visualization technology to realize the visualization of the algorithm. Experimental results show that introducing weights portray attribute information could reduce the objective function value, and effectively alleviate the phenomenon of boundary data that cannot distinguish. Ultimately to improve the classification accuracy. Meanwhile, use of MATLAB to form visualization of three-dimensional image. The results provide a basis for to improve the accuracy of data classification and clustering analysis of large and complex agricultural data.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
في مشاكل التصنيف الفعلية، نتيجة لعدم وجود معلومات حدود واضحة بين كائنات التصنيف، يمكن أن يؤدي ذلك إلى فقدان دقة التصنيف بسهولة. لذلك، يتم اقتراح هذه المقالة من الأنماط المكانية لخصائص العينة للمتابعة، خوارزمية التجميع الغامضة بناءً على حساسية أوزان السمات، من خلال استخدام أوزان السمات لتحسين قدرة التصنيف بين العينات المربكة، أي للبحث وتحليل البيانات المكانية لمغذيات التربة مع سنوات متتالية لجمعها في بلدة نونغان. ثم من خلال تحليل تقنية التصور لتحقيق تصور الخوارزمية. تظهر النتائج التجريبية أن إدخال الأوزان يصور معلومات السمة يمكن أن يقلل من قيمة الوظيفة الموضوعية، ويخفف بشكل فعال من ظاهرة بيانات الحدود التي لا يمكن تمييزها. في نهاية المطاف لتحسين دقة التصنيف. وفي الوقت نفسه، استخدام ماتلاب لتشكيل تصور للصورة ثلاثية الأبعاد. توفر النتائج أساسًا لتحسين دقة تصنيف البيانات وتحليل تجميع البيانات الزراعية الكبيرة والمعقدة.Translated Description (French)
Dans les problèmes de classification réels, en raison du manque d'informations claires sur les limites entre les objets de classification, cela pourrait facilement entraîner une perte de précision de la classification. Par conséquent, cet article, à partir des modèles spatiaux des propriétés de l'échantillon, propose un algorithme de regroupement flou basé sur la sensibilité des poids d'attributs, en utilisant les poids d'attributs pour améliorer la capacité de classification entre les échantillons confus, c'est-à-dire pour la recherche et l'analyse des données spatiales sur les nutriments du sol avec des années consécutives à collecter dans la ville de Nongan. Puis à travers l'analyse de la technologie de visualisation pour réaliser la visualisation de l'algorithme. Les résultats expérimentaux montrent que l'introduction d'informations sur les attributs de représentation des poids pourrait réduire la valeur de la fonction objective et atténuer efficacement le phénomène des données limites qui ne peuvent pas être distinguées. En fin de compte, améliorer la précision de la classification. Pendant ce temps, l'utilisation de Matlab pour former la visualisation d'une image tridimensionnelle. Les résultats fournissent une base pour améliorer la précision de la classification des données et de l'analyse en grappes de données agricoles volumineuses et complexes.Translated Description (Spanish)
En los problemas de clasificación reales, como resultado de la falta de información clara sobre los límites entre los objetos de clasificación, eso podría conducir fácilmente a la pérdida de precisión de la clasificación. Por lo tanto, este artículo a partir de los patrones espaciales de las propiedades de la muestra para proceder, se propone un algoritmo de agrupamiento difuso basado en la sensibilidad de los pesos de atributos, mediante el uso de los pesos de atributos para mejorar la capacidad de clasificación entre muestras confusas, es decir, para investigar y analizar datos espaciales de nutrientes del suelo con años consecutivos para recopilar en la ciudad de Nongan. Luego, a través del análisis de la tecnología de visualización para realizar la visualización del algoritmo. Los resultados experimentales muestran que la introducción de ponderaciones que representan información de atributos podría reducir el valor de la función objetivo y aliviar de manera efectiva el fenómeno de los datos de límites que no se pueden distinguir. En última instancia, para mejorar la precisión de la clasificación. Mientras tanto, el uso de MATLAB para formar la visualización de la imagen tridimensional. Los resultados proporcionan una base para mejorar la precisión de la clasificación de datos y el análisis de agrupación de datos agrícolas grandes y complejos.Files
document.pdf
Files
(599.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:45141b01986e96a79071941d4cdc45e6
|
599.1 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- البحث في خوارزميات تصنيف البيانات الزراعية واسعة النطاق والمعقدة بناءً على التباين المكاني
- Translated title (French)
- Recherche d'algorithmes de classification des données agricoles à grande échelle et complexes basés sur la variabilité spatiale
- Translated title (Spanish)
- Investigación de Algoritmos de Clasificación de Datos Agrícolas a Gran Escala y Complejos Basados en la Variabilidad Espacial
Identifiers
- Other
- https://openalex.org/W2557061868
- DOI
- 10.1007/978-3-319-48357-3_5
References
- https://openalex.org/W2091758330
- https://openalex.org/W2150930471
- https://openalex.org/W2312442290