本文通過研究國內(nèi)外森林培育決策系統(tǒng)的現(xiàn)狀和趨勢,針對人工林培育專家決策系統(tǒng)中所存在的問題,從林農(nóng)的角度出發(fā),設(shè)計并研建了人工林培育知識服務(wù)與作業(yè)法推薦系統(tǒng)。針對林農(nóng)查詢?nèi)斯ち峙嘤P(guān)聯(lián)知識困難以及知識圖譜在人工林培育領(lǐng)域存在缺口的問題,研究人工林關(guān)聯(lián)知識抽取和知識圖譜構(gòu)建的基本理論和技術(shù)、收集整理輔助培育決策過程中林農(nóng)所需要的知識、提出了人工林培育知識圖譜的概念,構(gòu)建了人工林培育知識圖譜,實現(xiàn)人工林知識關(guān)聯(lián)可視化,為人工林培育全過程提供知識服務(wù)。針對人工林培育推理過程中推理規(guī)則的人工依賴性強,缺乏規(guī)則可信度評價的問題,研究了規(guī)則提取技術(shù),重點研究如何構(gòu)建立地條件和樹種之間的推理規(guī)則,在規(guī)則中增加實際的規(guī)則可信度評價指標(biāo)。分析總結(jié)現(xiàn)有推理算法,在推理過程中使用因子權(quán)重分析方式在實際規(guī)則可信度的基礎(chǔ)上進行處理計算,最終給用戶提供培育決策以及根據(jù)輸入條件得到結(jié)果的可靠性即推理的結(jié)果可信度,提高人工林培育輔助決策的科學(xué)性。在上述研究基礎(chǔ)上本文研建了一個基于B/S架構(gòu)的人工林培育知識服務(wù)與作業(yè)法推薦系統(tǒng),實現(xiàn)適地適樹、培育作業(yè)法推薦等功能,以及培育全過程中所需的知識服務(wù)。本研究對人工林培育管理發(fā)展...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.2爬蟲部分關(guān)鍵代碼Figure3.2Pictureofsomekeycodesofthecrawler

人工林培育知識圖譜構(gòu)建與作業(yè)法推薦技術(shù)研究18抽取算法流程說明如下：①針對SQLServer里已經(jīng)存在的結(jié)構(gòu)化數(shù)據(jù)和網(wǎng)頁端的半結(jié)構(gòu)化數(shù)據(jù)分別選用不同的方式進行數(shù)據(jù)抽齲對于已存在SQLServer數(shù)據(jù)庫中的結(jié)構(gòu)化二調(diào)數(shù)據(jù)，選取數(shù)據(jù)庫中相關(guān)的數(shù)據(jù)表，例如樹種表等，將其導(dǎo)出為Ecxel....

圖3.3導(dǎo)入圖形數(shù)據(jù)庫Neo4j代碼圖

人工林培育知識圖譜構(gòu)建與作業(yè)法推薦技術(shù)研究20關(guān)系文件中。3.2.2知識入庫本文在知識入庫過程中，考慮到Python語言操作CSV文件方便性的優(yōu)點，利用Python讀取準(zhǔn)備好的節(jié)點數(shù)據(jù)CSV文件以及關(guān)系數(shù)據(jù)CSV文件，用循環(huán)語句遍歷文件將節(jié)點和關(guān)系導(dǎo)入圖形數(shù)據(jù)庫Neo4j中，其中....

圖3.4知識圖譜部分圖

3人工林培育知識抽取與知識圖譜構(gòu)建體，綠色節(jié)點代表樹種，黃色節(jié)點表示害蟲，藍(lán)色節(jié)點表示病害，紫色節(jié)點則代表樹種適宜的作業(yè)法。連接實體的有向邊則表示源節(jié)點、尾節(jié)點以及節(jié)點間的關(guān)系。

圖3.6知識檢索

人工林培育知識圖譜構(gòu)建與作業(yè)法推薦技術(shù)研究22（延伸查詢深度）。在輸入窗口輸入語句：“matchdata=(na:pet)-[re]-(nb:tree{TreeName:"杉木"})-[*1..2]-(nc:tree)returndata”查詢結(jié)果細(xì)節(jié)圖如圖3.6所示，圖中左下角....

本文編號：3933307