決策樹分類算法在農作物病蟲害診斷系統中的研究與應用.pdf

1、農作物是人類生產和生活所必需的資源，農作物的產量和質量直接影響到人類的生活，而病蟲害是農作物生產過程中的重要制約因素。由于受全球氣候變暖、生態(tài)環(huán)境惡化等因素影響，農作物病蟲害發(fā)生頻率越來越高。雖然我國是一個農業(yè)大國，但是農業(yè)科技人員相當缺乏，并且分布不均，這與我國的國情很不相符。因此，對農作物病蟲害的診斷研究具有重要的理論和應用價值，利用先進的計算機技術結合農作物病蟲害信息數據庫，研發(fā)病蟲害診斷系統已經成為一個重要的發(fā)展方向。
　

2、　本文利用農作物病蟲害的特征數據庫結合數據挖掘技術建立農作物病蟲害診斷模型。在研究數據挖掘中決策樹技術的基礎上，對常用的C4.5算法進行了改進，并引入了Boosting集成技術，充分考慮診斷模型的優(yōu)化性、穩(wěn)定性和準確度，提出了基于改進C4.5算法和Boosting集成技術的診斷算法。該方法分為三個階段：第一階段是采用相似性原理對空缺值進行填充，減少空缺值對建立分類模型的影響；第二階段是采用基于改進C4.5算法的Boosting集成方法建

3、立多個分類模型；第三階段是用訓練出的模型對新樣本的類別進行加權投票表決。本文的實驗是在多個標準的數據集上進行的，結果表明：改進的C4.5算法比原C4.5算法的效率高，診斷算法的診斷結果準確度有了很大的提高。最后，將設計的診斷算法應用到大豆的病蟲害診斷系統中，取得了良好的應用效果。
　　本文工作的主要創(chuàng)新點有如下幾點：
　　（1）在數據處理階段，采用相似性原理對空缺值進行填充，替換掉原C4.5算法中調整信息增益的方法，這樣使樣