小麦生长环境因子的管理分区算法研究(源码)
我国是一个人口大国，人口数目不断增加会导致对粮食需求的增加，从而出现粮食供给不足情况的发生。小麦作为我国最重要的粮食作物之一，提高小麦的单产能够有效提高小麦产量，因此利用聚类算法基于影响小麦生长的各种因素进行分区就有重要意义。本论文基于matlab软件使用K均值、最大最小值、模糊c均值、亲和传播、基本蚁群聚类及改进的蚁群聚类算法对各城市小麦的生长环境因子进行处理分区，使同一分区内的小麦生长环境相似，为生成基于不同生长环境因子的小麦精确栽培方案做准备。
目录
摘要 1
1、引言 1
1.1、数据挖掘简介 2
1.2、聚类分析概述 2
1.3、管理分区技术研究进展 2
1.4、聚类分析研究现状 2
1.5、本文研究内容 3
2、聚类算法的分析与比较 3
2.1、K均值算法 3
2.2、最大最小值算法 4
2.3、模糊C均值算法 4
2.4、亲和传播算法 5
2.5、蚁群聚类算法 6
3、主要研究过程及算法的改进 7
3.1、主要研究过程 7
3.2、算法的改进 8
4、不同聚类算法的处理结果及比较 9
4.1、介绍使用的数据： 9
4.2、表1中介绍的几种类别的数据分类结果 9
4.2.1、基本无差异较大值 9
4.2.2、含较少差异较大值 11
4.2.3、含较多差异较大值 13
4.2.4、数据分布呈区域化 15
5、小结与展望 17
5.1、小结 17
5.2、展望 17
致谢 18
参考文献： 18
基于小麦生长环境因子的管理分区算法研究
引言
1、引言
日益增长的人口和社会生产发展对粮食需求的增加与粮食增产能力有限之间的矛盾，影响着粮食安全。我国是农业大国且人口数目众多，估计到2020年，我国人口将达到14.3亿人，随着社会经济水平的提高、营养结构的改善，人均粮食消费水平和粮食需求总量将进一歩提高，而农业科技短 *好棒文|www.hbsrm.com +Q: *351916072*
期已经达到一个瓶颈期，短时间内很难取得重大突破，而且将农业科技成果进行推广的难度也慢慢加大，促进粮食单产持续提升面临巨大挑战[]。因此，有效的对影响小麦产量的气候环境、作物布局、种机制度、复种指数进行分析，就成为当前增加粮食种植面积、提高粮食产量的有效途径之一。基于小麦生长环境因子的管理分区的研究也就具有重要意义。近些年来，高速发展的计算机水平和信息技术为农业的技术改革和提髙注入了新的生机，也提供了新的措施和手段来支持农业生产管理的现代化和信息化。优质高产高效生态农业产业的开展离不开信息科学的快速发展和现代农业科学实践与技术研究和运用获得的极大成功。近年来，信息农业产业在模拟模型等方面取得了很大突破，得到了显著的经济、社会效应，并进一步向规范化、标准化和定量化方向发展[]。我国主要在东北到长江中下游地域种植小麦，小麦产量的增加主要分为增加耕种面积和提高小麦单产两方面，近年来主要通过小麦品种改良和增施肥料两方面来提高小麦单产。然而我国农户在施肥方面有许多错误的观点：例如喜欢施加氮肥却忽略其余小麦生长所需养分的搭配；以为小麦需要的营养只来源于化肥，从而忽略运用有机肥和环境养分。在不适合的时间段施肥、撒施氮肥等现象时常发生，而长期使用大量的无机肥会严重破坏土壤耕层，甚至会降低作物的产量，同时还浪费了大量的经济和能源。除此之外，有些农户在实际生产中只知道一味的加大播种量，造成小麦生长的中后期数目过大，不能够形成高效群体；小麦的单产不能得到提高的另外原因是在该地域的不同播种期最适合播种的小麦品种不对。所以基于影响小麦生长的气象条件、土壤特性、品种特性等因素，为不同地区设计适合的小麦生长栽培管理计划就具有重要的现实意义和应用前景[]。
1.1、数据挖掘简介
人们获取、接触数据的机会和方法随着计算机技术的高速发展以及网络的遍及变得越来越便捷[]。随着时间的增长，在计算机文件和数据库中保存的数据增长速度越来越快，数据量越来越庞大，而使用这些数据的人希望从庞大的数据量中获取更加重要、有用的信息。而像数据库中简单的结构化查询语言，无法发现大量随机数据中隐含存在的关联,也无法依据现有的这些随机分布的数据来预测将来的发现趋向。数据挖掘技术就是为了处理上面提到的这些情况,并且针对数量庞大的数据进行剖析解决的一门新技术。
1.2、聚类分析概述
数据挖掘的重要研究范围之一就是聚类 []。聚类也被称为无监督分类,它是将需要进行研究的大量对象划分为由相似度高的对象组成的多个类的过程，在分类之前我们对数据集的分布特点是不了解的。聚类主要是依据样本间相似性或相异性的衡量标准将大量随机分布的数据分到几个不同类别中,且同一类中的样本要保证高相似度,而属于不同类的样本之间相似度要保证高相异性的方法[]。聚类结果中的每一类都是根据需要分类的数据隐含存在的特征来划分的，聚类结果中每一类也叫做簇。聚类算法中划分的是未进行分析且随机分布的大量数据,最后得到的结果就是大量数据划分后的几个类别,这些类构成一个分区结构[]。
1.3、管理分区技术研究进展
影响作物生产能力、营养利用效率和环境效应的主要原因有地形地貌的差异、土壤养分等要素的空间变异等原因。因而近年来精准农业研究的主要方向之一是对存在较大空间变异的地区进行管理分区。管理分区技术经常要使用到许多种数据，如江候民等人定义区域性管理分区是基于土壤电导率；白由路和黄绍文等人对县域地区进行管理分区划分的依据就是土壤主要营养成分的指标和含量。李翔等人定义管理分区是依据区域标准多年来小麦产量空间的变异性[]。能够综合反映作物与土壤等环境要素的相互影响的方式是提取作物的生长信息，而基于作物成长信息的空间差异进行管理分区的划分可实现较好的效果；黄彦等结合小麦不同生长期遥感影像提取的归一化植被指数与土壤养分数据进行县域范围的管理分区研究，取得了较好的分区效果[]。
目录
摘要 1
1、引言 1
1.1、数据挖掘简介 2
1.2、聚类分析概述 2
1.3、管理分区技术研究进展 2
1.4、聚类分析研究现状 2
1.5、本文研究内容 3
2、聚类算法的分析与比较 3
2.1、K均值算法 3
2.2、最大最小值算法 4
2.3、模糊C均值算法 4
2.4、亲和传播算法 5
2.5、蚁群聚类算法 6
3、主要研究过程及算法的改进 7
3.1、主要研究过程 7
3.2、算法的改进 8
4、不同聚类算法的处理结果及比较 9
4.1、介绍使用的数据： 9
4.2、表1中介绍的几种类别的数据分类结果 9
4.2.1、基本无差异较大值 9
4.2.2、含较少差异较大值 11
4.2.3、含较多差异较大值 13
4.2.4、数据分布呈区域化 15
5、小结与展望 17
5.1、小结 17
5.2、展望 17
致谢 18
参考文献： 18
基于小麦生长环境因子的管理分区算法研究
引言
1、引言
日益增长的人口和社会生产发展对粮食需求的增加与粮食增产能力有限之间的矛盾，影响着粮食安全。我国是农业大国且人口数目众多，估计到2020年，我国人口将达到14.3亿人，随着社会经济水平的提高、营养结构的改善，人均粮食消费水平和粮食需求总量将进一歩提高，而农业科技短 *好棒文|www.hbsrm.com +Q: *351916072*
期已经达到一个瓶颈期，短时间内很难取得重大突破，而且将农业科技成果进行推广的难度也慢慢加大，促进粮食单产持续提升面临巨大挑战[]。因此，有效的对影响小麦产量的气候环境、作物布局、种机制度、复种指数进行分析，就成为当前增加粮食种植面积、提高粮食产量的有效途径之一。基于小麦生长环境因子的管理分区的研究也就具有重要意义。近些年来，高速发展的计算机水平和信息技术为农业的技术改革和提髙注入了新的生机，也提供了新的措施和手段来支持农业生产管理的现代化和信息化。优质高产高效生态农业产业的开展离不开信息科学的快速发展和现代农业科学实践与技术研究和运用获得的极大成功。近年来，信息农业产业在模拟模型等方面取得了很大突破，得到了显著的经济、社会效应，并进一步向规范化、标准化和定量化方向发展[]。我国主要在东北到长江中下游地域种植小麦，小麦产量的增加主要分为增加耕种面积和提高小麦单产两方面，近年来主要通过小麦品种改良和增施肥料两方面来提高小麦单产。然而我国农户在施肥方面有许多错误的观点：例如喜欢施加氮肥却忽略其余小麦生长所需养分的搭配；以为小麦需要的营养只来源于化肥，从而忽略运用有机肥和环境养分。在不适合的时间段施肥、撒施氮肥等现象时常发生，而长期使用大量的无机肥会严重破坏土壤耕层，甚至会降低作物的产量，同时还浪费了大量的经济和能源。除此之外，有些农户在实际生产中只知道一味的加大播种量，造成小麦生长的中后期数目过大，不能够形成高效群体；小麦的单产不能得到提高的另外原因是在该地域的不同播种期最适合播种的小麦品种不对。所以基于影响小麦生长的气象条件、土壤特性、品种特性等因素，为不同地区设计适合的小麦生长栽培管理计划就具有重要的现实意义和应用前景[]。
1.1、数据挖掘简介
人们获取、接触数据的机会和方法随着计算机技术的高速发展以及网络的遍及变得越来越便捷[]。随着时间的增长，在计算机文件和数据库中保存的数据增长速度越来越快，数据量越来越庞大，而使用这些数据的人希望从庞大的数据量中获取更加重要、有用的信息。而像数据库中简单的结构化查询语言，无法发现大量随机数据中隐含存在的关联,也无法依据现有的这些随机分布的数据来预测将来的发现趋向。数据挖掘技术就是为了处理上面提到的这些情况,并且针对数量庞大的数据进行剖析解决的一门新技术。
1.2、聚类分析概述
数据挖掘的重要研究范围之一就是聚类 []。聚类也被称为无监督分类,它是将需要进行研究的大量对象划分为由相似度高的对象组成的多个类的过程，在分类之前我们对数据集的分布特点是不了解的。聚类主要是依据样本间相似性或相异性的衡量标准将大量随机分布的数据分到几个不同类别中,且同一类中的样本要保证高相似度,而属于不同类的样本之间相似度要保证高相异性的方法[]。聚类结果中的每一类都是根据需要分类的数据隐含存在的特征来划分的，聚类结果中每一类也叫做簇。聚类算法中划分的是未进行分析且随机分布的大量数据,最后得到的结果就是大量数据划分后的几个类别,这些类构成一个分区结构[]。
1.3、管理分区技术研究进展
影响作物生产能力、营养利用效率和环境效应的主要原因有地形地貌的差异、土壤养分等要素的空间变异等原因。因而近年来精准农业研究的主要方向之一是对存在较大空间变异的地区进行管理分区。管理分区技术经常要使用到许多种数据，如江候民等人定义区域性管理分区是基于土壤电导率；白由路和黄绍文等人对县域地区进行管理分区划分的依据就是土壤主要营养成分的指标和含量。李翔等人定义管理分区是依据区域标准多年来小麦产量空间的变异性[]。能够综合反映作物与土壤等环境要素的相互影响的方式是提取作物的生长信息，而基于作物成长信息的空间差异进行管理分区的划分可实现较好的效果；黄彦等结合小麦不同生长期遥感影像提取的归一化植被指数与土壤养分数据进行县域范围的管理分区研究，取得了较好的分区效果[]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1779.html
