一種面向精細(xì)農(nóng)業(yè)的加權(quán)空間模糊聚類(lèi)方法和設(shè)備的制作方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種面向精細(xì)農(nóng)業(yè)的加權(quán)空間模糊聚類(lèi)方法和設(shè)備。所述方法包括以下步驟：1）根據(jù)輸入的各個(gè)指標(biāo)的數(shù)據(jù)，運(yùn)用層次分析法（AHP）計(jì)算各個(gè)指標(biāo)的權(quán)重系數(shù)，以獲得總目標(biāo)權(quán)重矩陣；2）根據(jù)輸入的原始數(shù)據(jù)矩陣，利用所述總目標(biāo)權(quán)重矩陣，建立模糊等價(jià)矩陣，并且根據(jù)不同的分類(lèi)閾值，對(duì)模糊等價(jià)矩陣進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)視圖；以及3）利用F統(tǒng)計(jì)量，計(jì)算最佳分類(lèi)閾值和最佳分類(lèi)數(shù)，并且對(duì)動(dòng)態(tài)聚類(lèi)視圖進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)結(jié)果。
【專(zhuān)利說(shuō)明】一種面向精細(xì)農(nóng)業(yè)的加權(quán)空間模糊聚類(lèi)方法和設(shè)備
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及信息數(shù)據(jù)處理的技術(shù)，尤其是一種面向精細(xì)農(nóng)業(yè)的加權(quán)空間模糊聚類(lèi)方法和設(shè)備。
【背景技術(shù)】
[0002]精細(xì)農(nóng)業(yè)，是指基于變異的一種田間管理手段，是由信息技術(shù)支持的根據(jù)空間變異，定位、定時(shí)、定量地實(shí)施一整套現(xiàn)代化農(nóng)事操作技術(shù)與管理的系統(tǒng)。精細(xì)農(nóng)業(yè)是通過(guò)GPS、RS、GIS等技術(shù)和自動(dòng)化技術(shù)的綜合應(yīng)用，按照農(nóng)作物生長(zhǎng)田間每一塊操作單元上的具體條件，相應(yīng)調(diào)整種子、化肥、農(nóng)藥等物資投入，達(dá)到減少投入、增加收入、保護(hù)農(nóng)業(yè)生態(tài)環(huán)境的目的。
[0003]在精細(xì)農(nóng)業(yè)的實(shí)施過(guò)程中，由于采用了“3S”(GPS、GIS、RS)和傳感器技術(shù)，積累了大量的空間數(shù)據(jù)，也拉大了“空間數(shù)據(jù)的生產(chǎn)能力遠(yuǎn)遠(yuǎn)大于空間數(shù)據(jù)解析能力”的差距。這些數(shù)據(jù)真實(shí)，具體地反映了農(nóng)業(yè)生產(chǎn)作業(yè)的本質(zhì)狀況，是指導(dǎo)區(qū)域精細(xì)作業(yè)的寶貴材富。但由于農(nóng)業(yè)生產(chǎn)的復(fù)雜性，使得農(nóng)業(yè)數(shù)據(jù)具有豐富、多維、動(dòng)態(tài)、不完整等特性，使得這些數(shù)據(jù)并未得到充分利用，導(dǎo)致了我們淹沒(méi)在數(shù)據(jù)的海洋中，數(shù)據(jù)豐富，但是知識(shí)貧乏。因此，將不同的空間數(shù)據(jù)挖掘方法應(yīng)用到精細(xì)農(nóng)業(yè)中，對(duì)精細(xì)農(nóng)業(yè)中的智能決策是非常可行和十分必要的。
[0004]應(yīng)用聚類(lèi)和分類(lèi)算法處理農(nóng)業(yè)問(wèn)題在國(guó)際上已經(jīng)有很多成功先例。由于模糊聚類(lèi)分析可借助于模糊數(shù)學(xué)手段，實(shí)現(xiàn)對(duì)存在模糊性的現(xiàn)實(shí)事物進(jìn)行分類(lèi)和預(yù)測(cè)。因此具有描述樣本類(lèi)屬中間性的優(yōu)點(diǎn)，能客觀地反映現(xiàn)實(shí)世界，現(xiàn)已成為當(dāng)今聚類(lèi)分析研究的主流。比較典型的模糊聚類(lèi)分析方法有:基于相似性關(guān)系和模糊關(guān)系的方法、基于模糊等價(jià)關(guān)系的傳遞閉包方法、基于模糊凸輪的最大樹(shù)方法以及基于數(shù)據(jù)集的凸分解、動(dòng)態(tài)規(guī)劃和難以辨識(shí)關(guān)系等方法。但這些模糊聚類(lèi)算法主要存在以下幾個(gè)問(wèn)題。第一，在聚類(lèi)過(guò)程中，算法認(rèn)為各個(gè)因素是同等重要的，沒(méi)有考慮評(píng)價(jià)的各個(gè)因素之間的差異性。第二，聚類(lèi)前都需要事先確定分類(lèi)數(shù)，而這個(gè)值往往是通過(guò)經(jīng)驗(yàn)給出的，具有很大的主觀性。第三，現(xiàn)實(shí)事物常常和空間信息聯(lián)系在一起的，但是目前還沒(méi)有將模糊聚類(lèi)和空間性有機(jī)結(jié)合起來(lái)。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有模糊聚類(lèi)算法的不足之處，但是本發(fā)明不限于解決全部上述問(wèn)題，而是可以解決上述問(wèn)題中的一個(gè)或多個(gè)，或者可以解決除了上述問(wèn)題以外的問(wèn)題。本發(fā)明提出一種考慮到聚類(lèi)因素差異性，融合空間數(shù)據(jù)挖掘和模糊聚類(lèi)技術(shù)的加權(quán)空間模糊聚類(lèi)方法。
[0006]在一個(gè)方面，本發(fā)明提供一種面向精細(xì)農(nóng)業(yè)的加權(quán)空間模糊聚類(lèi)方法，所述包括以下步驟:
[0007]I)根據(jù)輸入的各個(gè)指標(biāo)的數(shù)據(jù)，運(yùn)用層次分析法(AHP)計(jì)算各個(gè)指標(biāo)的權(quán)重系數(shù)，以獲得總目標(biāo)權(quán)重矩陣；[0008]2)根據(jù)輸入的原始數(shù)據(jù)矩陣，利用所述總目標(biāo)權(quán)重矩陣，建立模糊等價(jià)矩陣，并且根據(jù)不同的分類(lèi)閾值，對(duì)模糊等價(jià)矩陣進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)視圖；以及
[0009]3)利用F統(tǒng)計(jì)量，計(jì)算最佳分類(lèi)閾值和最佳分類(lèi)數(shù)，并且對(duì)動(dòng)態(tài)聚類(lèi)視圖進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)結(jié)果。
[0010]根據(jù)一個(gè)方面，上述步驟I)包括:
[0011]1.1)利用輸入的各個(gè)指標(biāo)的數(shù)據(jù)，構(gòu)造成對(duì)比較矩陣A，其中所述成對(duì)比較矩陣A中的每個(gè)元素％」表示該指標(biāo)的第i個(gè)因素相對(duì)于該指標(biāo)的第j個(gè)因素的比較結(jié)果，并且其中 BijXaji=I ；
[0012]1.2)利用冪法求解所述成對(duì)比較矩陣的最大特征值λ及其對(duì)應(yīng)的特征向量W，計(jì)算單排序權(quán)向量并進(jìn)行一致性檢驗(yàn)；以及
[0013]1.3)重復(fù)步驟1.1)和1.2)，直至計(jì)算出所有層權(quán)重，獲得總目標(biāo)權(quán)重矩陣B=Od1, b2,…，bm)。
[0014]根據(jù)一個(gè)方面，上述步驟2)包括:
[0015]2.1)對(duì)輸入的原始數(shù)據(jù)矩陣進(jìn)行極差變換；
[0016]2.2)將極差變換后的矩陣與所述總目標(biāo)權(quán)重矩陣相乘以得到模糊矩陣；
[0017]2.3)針對(duì)該模糊矩陣，利用夾角余弦法，得到模糊相似矩陣；
[0018]2.4)對(duì)該模糊相似矩陣執(zhí)行平方自合成運(yùn)算，以得到模糊等價(jià)矩陣；以及
[0019]2.5)根據(jù)不同的分類(lèi)閾值，對(duì)模糊等價(jià)矩陣進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)視圖。
[0020]根據(jù)一個(gè)方面，上述步驟3)包括:
[0021]3.1)計(jì)算輸入的原始數(shù)據(jù)矩陣的總體樣本的中心向量；
[0022]3.2)針對(duì)某一分類(lèi)閾值以及對(duì)應(yīng)的分類(lèi)數(shù)目，計(jì)算各個(gè)類(lèi)的聚類(lèi)中心向量；
[0023]3.3)利用總體樣本的中心向量和各個(gè)類(lèi)的聚類(lèi)中心向量計(jì)算F統(tǒng)計(jì)量；
[0024]3.4)根據(jù)預(yù)定的置信值，確定最佳F值，相應(yīng)地獲得最佳閾值和分類(lèi)數(shù)目，并且在動(dòng)態(tài)聚類(lèi)視圖中進(jìn)行分類(lèi)，從而得到動(dòng)態(tài)聚類(lèi)結(jié)果。
[0025]根據(jù)一個(gè)方面，上述Bi」的取值范圍為l/9〈aij〈9。
[0026]根據(jù)一個(gè)方面，上述步驟1.2)包括:
[0027]1.2.1):任取一個(gè)η維歸一化初始向量w(°)；
[0028]1.2.2):計(jì)算,)A 的并歸一化#_ 即
【權(quán)利要求】
1.一種面向精細(xì)農(nóng)業(yè)的加權(quán)空間模糊聚類(lèi)方法，包括以下步驟: 1)根據(jù)輸入的各個(gè)指標(biāo)的數(shù)據(jù)，運(yùn)用層次分析法(AHP)計(jì)算各個(gè)指標(biāo)的權(quán)重系數(shù)，以獲得總目標(biāo)權(quán)重矩陣； 2)根據(jù)輸入的原始數(shù)據(jù)矩陣，利用所述總目標(biāo)權(quán)重矩陣，建立模糊等價(jià)矩陣，并且根據(jù)不同的分類(lèi)閾值，對(duì)模糊等價(jià)矩陣進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)視圖；以及 3)利用F統(tǒng)計(jì)量，計(jì)算最佳分類(lèi)閾值和最佳分類(lèi)數(shù)，并且對(duì)動(dòng)態(tài)聚類(lèi)視圖進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)結(jié)果。
2.根據(jù)權(quán)利要求1所述的加權(quán)空間模糊聚類(lèi)方法，其中步驟I)包括: . 1.1)利用輸入的各個(gè)指標(biāo)的數(shù)據(jù)，構(gòu)造成對(duì)比較矩陣A，其中所述成對(duì)比較矩陣A中的每個(gè)元素au表示該指標(biāo)的第i個(gè)因素相對(duì)于該指標(biāo)的第j個(gè)因素的比較結(jié)果，并且其中aijXaji = l ; .1.2)利用冪法求解所述成對(duì)比較矩陣的最大特征值\及其對(duì)應(yīng)的特征向量W，計(jì)算單排序權(quán)向量并進(jìn)行一致性檢驗(yàn)；以及. 1.3)重復(fù)步驟1.1)和1.2)，直至計(jì)算出所有層權(quán)重，獲得總目標(biāo)權(quán)重矩陣B=(bi，b2，…，bm)。
3.根據(jù)權(quán)利要求2所述的加權(quán)空間模糊聚類(lèi)方法，其中步驟2)包括: . 2.1)對(duì)輸入的原始數(shù)據(jù)矩陣進(jìn)行極差變換； . 2.2)將極差變換后的矩陣與所述總目標(biāo)權(quán)重矩陣相乘以得到模糊矩陣； . 2.3)針對(duì)該模糊矩陣，利用夾角余弦法，得到模糊相似矩陣； . 2.4)對(duì)該模糊相似矩陣執(zhí)行平方自合成運(yùn)算，以得到模糊等價(jià)矩陣；以及. 2.5)根據(jù)不同的分類(lèi)閾值，對(duì)模糊等價(jià)矩陣進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)視圖。
4.根據(jù)權(quán)利要求3所述的加權(quán)空間模糊聚類(lèi)方法，其中步驟3)包括: . 3.1)計(jì)算輸入的原始數(shù)據(jù)矩陣的總體樣本的中心向量； . 3.2)針對(duì)某一分類(lèi)閾值以及對(duì)應(yīng)的分類(lèi)數(shù)目，計(jì)算各個(gè)類(lèi)的聚類(lèi)中心向量； . 3.3)利用總體樣本的中心向量和各個(gè)類(lèi)的聚類(lèi)中心向量計(jì)算F統(tǒng)計(jì)量； . 3.4)根據(jù)預(yù)定的置信值，確定最佳F值，相應(yīng)地獲得最佳分類(lèi)閾值和分類(lèi)數(shù)目，并且在動(dòng)態(tài)聚類(lèi)視圖中進(jìn)行分類(lèi)，從而得到動(dòng)態(tài)聚類(lèi)結(jié)果。
5.根據(jù)權(quán)利要求2所述的加權(quán)空間模糊聚類(lèi)方法，其中au的取值范圍為l/9〈au〈9。
6.根據(jù)權(quán)利要求2所述的加權(quán)空間模糊聚類(lèi)方法，其中步驟1.2)包括: . 1.2.1):任取一個(gè)n維歸一化初始向量w(cl)；.1.2.2):計(jì)算(，n (k)并歸一化 +11 即
7.根據(jù)權(quán)利要求6所述的加權(quán)空間模糊聚類(lèi)方法，其中，RI可以從下表中取得，其中η為初始向量w(°)的維度η:

8.根據(jù)權(quán)利要求3所述的加權(quán)空間模糊聚類(lèi)方法，其中，步驟2.3)包括:利用夾角余弦法，計(jì)算一個(gè)模糊集(i)與另一個(gè)模糊集(j)的貼近度(ru)，作為模糊相似矩陣的元素，由此得到模糊相似矩陣R。
9.根據(jù)權(quán)利要求8所述的加權(quán)空間模糊聚類(lèi)方法，其中，步驟2.4)包括:通過(guò)如下等式將模糊相似矩陣R改造成模糊等價(jià)矩陣t (R)，目卩:R — R2 — R4 —…一R2(k+1)=R2k，其中
10.根據(jù)權(quán)利要求9所述的加權(quán)空間模糊聚類(lèi)方法，其中，步驟2.5)包括:將t(R)中不同數(shù)值元素從大到小進(jìn)行排列，根據(jù)不同的分類(lèi)閾值，對(duì)t(R)依次取值，即可形成動(dòng)態(tài)聚類(lèi)視圖。
11.根據(jù)權(quán)利要求4所述的加權(quán)空間模糊聚類(lèi)方法，其中步驟3.4)包括:如果存在多個(gè)F值滿(mǎn)足預(yù)定的置信值，則選擇較大的F值作為最佳的F值。
12.—種面向精細(xì)農(nóng)業(yè)的加權(quán)空間模糊聚類(lèi)設(shè)備，包括: 存儲(chǔ)設(shè)備；和 處理器，其耦接到所述存儲(chǔ)設(shè)備，并且被配置為: 1)根據(jù)輸入的各個(gè)指標(biāo)的數(shù)據(jù)，運(yùn)用層次分析法(AHP)計(jì)算各個(gè)指標(biāo)的權(quán)重系數(shù)，以獲得總目標(biāo)權(quán)重矩陣； 2)根據(jù)輸入的原始數(shù)據(jù)矩陣，利用所述總目標(biāo)權(quán)重矩陣，建立模糊等價(jià)矩陣，并且根據(jù)不同的分類(lèi)閾值，對(duì)模糊等價(jià)矩陣進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)視圖；以及 3)利用F統(tǒng)計(jì)量，計(jì)算最佳分類(lèi)閾值和最佳分類(lèi)數(shù)，并且對(duì)動(dòng)態(tài)聚類(lèi)視圖進(jìn)行分類(lèi)，以得到動(dòng)態(tài)聚類(lèi)結(jié)果。
【文檔編號(hào)】G06F17/30GK103678683SQ201310730716
【公開(kāi)日】2014年3月26日 申請(qǐng)日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】宋革聯(lián), 王茂華, 曾小芳, 楊蕊, 張彬筠 申請(qǐng)人:浙江省公眾信息產(chǎn)業(yè)有限公司