论文部分内容阅读
休闲农业是重要的民生产业和新型消费业态，为农业增效、农民增收、农村环境改善和经济社会发展做出了积极贡献。本文采用数据挖掘技术和无线传感器网络理论，结合相关农业技术，对采集的环境参数进行分析与研究，设计了一种依托计算机现代化技术，集虚拟与现实于一体的新型休闲农业模式，用户通过互联网就能对现实农场进行管理。针对目前农作物种植过程中过度依赖种植能手、缺乏量化种植指导和劳动强度大的问题，设计了一种温室控制参数优化模型，取代经验农民为作物生长做种植指导。本文主要内容如下：(1)研究作物生长过程最优参数提取机制。通过收集经验农民种植过程中作物生长的环境参数，建立专家库指导生产。利用评分系统对种植效果的优劣进行评价来决定是否更新专家库中的最优参数，保证每次保存的一套种植节点参数都是当下最优的，也可以是下次被更改的，迭代种植过程留下有经验农民的智慧痕迹，系统便可以替代经验农民完成种植任务。(2)研究温室控制参数优化模型。本文将OCA客观聚类运用到RBF神经网络中，解决了RBF网络不能客观选取基函数中心的缺点，提高了网络的训练速度以及正确率。将改进后的神经网络引入到温室控制参数优化模型中，利用神经网络大规模的并行分布处理结构完成模拟专家推理过程，实现温室的精准管理，对智慧农业的发展具有重大的意义。(3)设计商品推荐模型。在分析关联规则挖掘算法的基础上，对经典Apriori算法产生的大量候选集进行改进。以交易平台中的绿色商城为应用背景，利用改进后的Apriori挖掘算法设计商品推荐模型，该模型主要对用户的商品订单进行分析，挖掘出已销售的商品之间存在隐藏关系，并将挖掘结果以热门商品的方式推荐给用户，提高用户的购买满意度，大大增加商品的销售业绩。运行结果表明，利用J2EE平台的MVC模式设计的休闲农业交易平台，降低了系统软件耦合度，系统的可复用性和可维护性也得到改善；本文设计的基于自更新的最优参数提取机制，能够自动更新专家库中的最优参数，而且效率更高；利用OCA客观聚类改进后的RBF神经网络在训练速度以及准确率上有了很大提高，并用其设计的温室控制参数优化模型可为用户提供精确的种植指导；利用改进后Apriori算法设计的商品推荐模型在执行时间上有了明显改善。