【摘要】：針對退耕還林背景下農(nóng)戶的土地利用決策變化問題,構(gòu)建貝葉斯網(wǎng)絡(luò)模型。通過分析網(wǎng)絡(luò)得到農(nóng)戶的勞動(dòng)力人數(shù)和政府補(bǔ)貼對農(nóng)戶的土地利用決策有相對較大影響的結(jié)論。首先,利用PEMD算法對陜西省延安市縣南溝農(nóng)戶調(diào)研數(shù)據(jù)進(jìn)行離散化處理,在MATLAB軟件的BNT中構(gòu)建了 14種貝葉斯網(wǎng)絡(luò)。同時(shí),使用Bayesian、LL、AIC和BIC評(píng)分函數(shù)評(píng)估這些網(wǎng)絡(luò)結(jié)構(gòu),結(jié)果表明MWST+T+K2網(wǎng)絡(luò)與實(shí)際情況相符,且其AIC得分最高,Bayesian、LL和BIC分值較高、復(fù)雜度較低。因此,將MWST+T+K2網(wǎng)絡(luò)確定為關(guān)于農(nóng)戶土地利用決策的貝葉斯網(wǎng)絡(luò)。其次,使用HOLD OUT、CV-5和CV-10檢驗(yàn)分別對NBC、TANC、MWST和MWST+T+K2分類器進(jìn)行測試,并對其評(píng)價(jià)指標(biāo)進(jìn)行分析比較,發(fā)現(xiàn)MWST+T+K2分類器的分類水平相對更高。但是,該網(wǎng)絡(luò)在分類時(shí)只對第一類數(shù)據(jù)有優(yōu)勢,存在一定的局部最優(yōu)問題。MWST+T+K2網(wǎng)絡(luò)的聯(lián)合推理結(jié)果說明其有一定的有效性。最后,本文基于MWST+T+K2網(wǎng)絡(luò)在分類時(shí)存在的不足,提出了 HCK2結(jié)構(gòu)學(xué)習(xí)算法。將構(gòu)建的HCK2網(wǎng)絡(luò)與TANC、MWST+T+K2分類器進(jìn)行比較,結(jié)果表明HCK2網(wǎng)絡(luò)可以同時(shí)對三類數(shù)據(jù)有較好的區(qū)分。并對HCK2網(wǎng)絡(luò)進(jìn)行了聯(lián)合推理,發(fā)現(xiàn)其推理精度與MWST+T+K2網(wǎng)絡(luò)相同,絕對誤差總體上不超過0.015。同時(shí)HCK2網(wǎng)絡(luò)可以更好地識(shí)別無數(shù)據(jù)的組合。最終可以得出,當(dāng)補(bǔ)貼介于0-3500(元/年)之間且接近1750元時(shí),有較少勞動(dòng)力的農(nóng)戶趨于果園種植;當(dāng)補(bǔ)貼超過3500元時(shí),農(nóng)戶更傾向于選擇閑置土地。
【圖文】：

iX 的父節(jié)點(diǎn)集合。自提出后就受到了不同研究領(lǐng)域的關(guān)注，并已經(jīng)生成了和“ALARM”基準(zhǔn)網(wǎng)絡(luò)[9]，這些網(wǎng)絡(luò)是以專家經(jīng)驗(yàn)和大量威學(xué)者構(gòu)建而成的。其中“Asia”基準(zhǔn)網(wǎng)絡(luò)如圖 1.1 所示節(jié)點(diǎn)的概率分布均為 0—1 分布。

預(yù)處理結(jié)果.1.1 所述完善調(diào)研數(shù)據(jù)，再利用卡方檢驗(yàn)消除不相關(guān)的屬性，將最后得到建模節(jié)點(diǎn)。表 3.1 對所選取的屬性節(jié)點(diǎn)進(jìn)行了簡要介紹，，其中“Land U。在 MATLAB 中對連續(xù)數(shù)據(jù)的正態(tài)分布情況進(jìn)行測試，結(jié)果如圖 3.1 所
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;F321.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉浩然;李軒;馬明;李世昭;;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的簡化貪婪算法[J];小型微型計(jì)算機(jī)系統(tǒng);2015年02期

2 曾安;李曉兵;楊海東;潘丹;;基于最小描述長度和K2的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[J];東北師大學(xué)報(bào)(自然科學(xué)版);2014年03期

3 吳永廣;龐世春;;K2&HC結(jié)構(gòu)學(xué)習(xí)算法[J];計(jì)算機(jī)與數(shù)字工程;2014年07期

4 金焱;胡云安;張瑾;黃雋;;K2與模擬退火相結(jié)合的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年S1期

5 李志瑤;宗芳;張屹山;;貝葉斯網(wǎng)絡(luò)推理分析的團(tuán)樹傳播算法——以停車行為分析為例[J];長春大學(xué)學(xué)報(bào);2012年05期

6 潘理虎;黃河清;;農(nóng)業(yè)土地利用變化的人工社會(huì)模型研究[J];系統(tǒng)仿真學(xué)報(bào);2010年08期

7 單冬冬;呂強(qiáng);李亞飛;王磊;;貝葉斯網(wǎng)學(xué)習(xí)中一種有效的爬山算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年12期

8 李u&;陳新億;李娟;李斯娜;;貝葉斯網(wǎng)的學(xué)習(xí)與應(yīng)用研究綜述[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

9 王浩;何海燕;姚宏亮;胡大偉;;IE_-K2:一種基于貝葉斯網(wǎng)絡(luò)的高效基因調(diào)控網(wǎng)絡(luò)構(gòu)建方法[J];大連海事大學(xué)學(xué)報(bào);2008年03期

10 王建林;王學(xué)玲;;選定根節(jié)點(diǎn)的TAN分類器[J];濱州學(xué)院學(xué)報(bào);2008年03期

相關(guān)博士學(xué)位論文 前2條

1 朱明敏;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)與推理研究[D];西安電子科技大學(xué);2013年

2 黃友平;貝葉斯網(wǎng)絡(luò)研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2005年

相關(guān)碩士學(xué)位論文 前10條

1 王欣;貝葉斯網(wǎng)絡(luò)在退耕農(nóng)民土地利用行為中的應(yīng)用[D];西安科技大學(xué);2016年

2 張俊曉;多維貝葉斯分類器的研究[D];西安電子科技大學(xué);2013年

3 折小龍;退耕還林政策下農(nóng)戶土地利用行為轉(zhuǎn)變實(shí)證研究[D];西北農(nóng)林科技大學(xué);2012年

4 段晶;樸素貝葉斯分類及其應(yīng)用研究[D];大連海事大學(xué);2011年

5 高巖;樸素貝葉斯分類器的改進(jìn)研究[D];華南理工大學(xué);2011年

6 高曉利;基于貪婪搜索的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[D];西安電子科技大學(xué);2011年

7 王國才;樸素貝葉斯分類器的研究與應(yīng)用[D];重慶交通大學(xué);2010年

8 謝作將;面向樸素貝葉斯算法的離散化方法研究[D];北京交通大學(xué);2008年

9 王峻;樸素貝葉斯分類模型的研究與應(yīng)用[D];合肥工業(yè)大學(xué);2006年

10 張劍飛;貝葉斯網(wǎng)絡(luò)學(xué)習(xí)方法和算法研究[D];東北師范大學(xué);2005年

本文編號(hào)：2687216