本文選題：物聯(lián)網(wǎng) + 數(shù)據(jù)庫(kù)��； 參考：《計(jì)算機(jī)仿真》2017年02期

【摘要】：對(duì)物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)中的農(nóng)業(yè)溫濕度數(shù)據(jù)進(jìn)行優(yōu)化檢測(cè),可改善農(nóng)作物的生長(zhǎng)條件。進(jìn)行溫濕度數(shù)據(jù)檢測(cè)時(shí),需要利用數(shù)據(jù)貼近度的概念剔除虛假、錯(cuò)誤的的數(shù)據(jù),獲取農(nóng)業(yè)溫濕度數(shù)據(jù)檢測(cè)的最優(yōu)解,而傳統(tǒng)的采用增量關(guān)聯(lián)規(guī)則通過(guò)建立檢測(cè)基本模型,不能剔除模型中的錯(cuò)誤數(shù)據(jù),降低了農(nóng)業(yè)溫濕度數(shù)據(jù)檢測(cè)的精度。提出改進(jìn)信息熵的物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)中農(nóng)業(yè)溫濕度數(shù)據(jù)檢測(cè)方法。對(duì)物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)全部的數(shù)據(jù)進(jìn)行處理,建立農(nóng)業(yè)溫濕度信息管理數(shù)據(jù)初始判斷矩陣,可計(jì)算出農(nóng)業(yè)溫濕度數(shù)據(jù)檢測(cè)指標(biāo)的熵,得到農(nóng)業(yè)溫濕度數(shù)據(jù)加權(quán)規(guī)范化矩陣和溫室土壤濕度數(shù)據(jù)的目標(biāo)函數(shù),利用數(shù)據(jù)貼近度的概念剔除虛假、錯(cuò)誤的的數(shù)據(jù),獲取農(nóng)業(yè)溫濕度數(shù)據(jù)檢測(cè)的最優(yōu)解。仿真結(jié)果表明,提出的農(nóng)業(yè)溫濕度數(shù)據(jù)檢測(cè)方法,相比傳統(tǒng)的數(shù)據(jù)檢測(cè)精確度高。
[Abstract]:The optimum detection of agricultural temperature and humidity data in the Internet of things database can improve the growth conditions of crops. In the process of temperature and humidity data detection, the concept of data closeness should be used to eliminate false and wrong data, and the optimal solution of agricultural temperature and humidity data detection should be obtained, while the traditional incremental association rule is used to establish the basic model of detection. The error data in the model can not be eliminated, and the precision of agricultural temperature and humidity data detection is reduced. This paper presents an improved information entropy method for detecting agricultural temperature and humidity data in Internet of things database. By processing all the data in the Internet of things database and establishing the initial judgment matrix of the agricultural temperature and humidity information management data, the entropy of the agricultural temperature and humidity data detection index can be calculated. The weighted normalization matrix of agricultural temperature and humidity data and the objective function of greenhouse soil moisture data are obtained. The false and wrong data are eliminated by using the concept of data closeness, and the optimal solution of agricultural temperature and humidity data detection is obtained. The simulation results show that the proposed method is more accurate than the traditional method.
【作者單位】： 吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院;吉林農(nóng)業(yè)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：吉林省省級(jí)經(jīng)濟(jì)結(jié)構(gòu)戰(zhàn)略調(diào)整引導(dǎo)資金專項(xiàng)項(xiàng)目(2014Y108) 吉林省教育廳“十二五”科學(xué)技術(shù)研究項(xiàng)目(2015175) 長(zhǎng)春市科技局計(jì)劃項(xiàng)目(14nk029)
【分類號(hào)】：S126;TP391.44;TN929.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖志良;;多協(xié)議與中間件相融合的物聯(lián)網(wǎng)智能網(wǎng)關(guān)設(shè)計(jì)方法[J];科技通報(bào);2016年04期

2 劉洋洋;;基于WebGIS的現(xiàn)代農(nóng)業(yè)發(fā)展綜合管理決策系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];現(xiàn)代電子技術(shù);2016年04期

3 王麗艷;姜濤;;數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘算法的應(yīng)用研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2015年10期

4 柴雯;左美云;許偉;王軼博;;SNS中影響力用戶預(yù)測(cè)研究——基于不平衡數(shù)據(jù)的多種數(shù)據(jù)挖掘方法對(duì)比[J];系統(tǒng)科學(xué)與數(shù)學(xué);2015年09期

5 何磊;雷波;畢海權(quán);王曉亮;;基于數(shù)據(jù)挖掘模型的冷卻水溫度監(jiān)督控制[J];計(jì)算機(jī)仿真;2015年07期

6 徐善健;;一種基于網(wǎng)絡(luò)資源的數(shù)據(jù)挖掘方法[J];湖南城市學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年02期

7 朱小剛;;基于計(jì)算機(jī)粗糙集的數(shù)據(jù)挖掘設(shè)計(jì)與應(yīng)用分析[J];山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

8 王丹妮;包世泰;王春林;唐力生;;基于氣象數(shù)據(jù)挖掘的廣東省農(nóng)業(yè)高溫災(zāi)害預(yù)測(cè)研究[J];華南農(nóng)業(yè)大學(xué)學(xué)報(bào);2015年02期

9 閔盈盈;;基于ARIMA模型的時(shí)間序列數(shù)據(jù)挖掘方法改進(jìn)[J];哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

10 方永美;孫凌潔;廖鑒康;楊振剛;;基于決策樹(shù)算法的蔬菜農(nóng)藥殘留的數(shù)據(jù)挖掘與分析[J];廣東農(nóng)業(yè)科學(xué);2014年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前8條

1 王周虹;洪蕾;任穎;解慧力;;非隔離型光伏并網(wǎng)逆變器孤島檢測(cè)方法研究[J];中國(guó)電力;2017年06期

2 崔楠楠;劉斌;李士軍;;物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)中農(nóng)業(yè)溫濕度數(shù)據(jù)檢測(cè)仿真研究[J];計(jì)算機(jī)仿真;2017年02期

3 齊艷;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的鋁合金活塞桿關(guān)鍵數(shù)據(jù)挖掘研究與仿真[J];世界有色金屬;2016年17期

4 高云華;周波;李歡歡;李柏生;;衡東縣近十年蔬菜農(nóng)藥殘留變化規(guī)律分析及控制對(duì)策[J];南方農(nóng)業(yè)學(xué)報(bào);2016年07期

5 鄭路遠(yuǎn);;基于粗糙集理論的信貸風(fēng)險(xiǎn)評(píng)估模型研究[J];山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年02期

6 馮偉;廖豐姣;李柏生;李艷本;陳緒維;譚民權(quán);陽(yáng)寅;;衡東縣蔬菜農(nóng)藥殘留變化規(guī)律分析及控制對(duì)策[J];農(nóng)業(yè)與技術(shù);2016年05期

7 董本清;彭健鈞;;復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)流中的異常數(shù)據(jù)挖掘算法仿真[J];計(jì)算機(jī)仿真;2016年01期

8 雷石花;丁雷;李建鋒;曾水玲;;一種改進(jìn)的入侵檢測(cè)DCA算法[J];吉首大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高雅莉;徐武;;基于X3D的實(shí)時(shí)交互技術(shù)在定位實(shí)驗(yàn)中的應(yīng)用[J];電子設(shè)計(jì)工程;2016年02期

2 李仕瓊;;數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘算法的分析研究[J];電子技術(shù)與軟件工程;2015年04期

3 田春麗;;農(nóng)民合作社在農(nóng)村社會(huì)發(fā)展中的作用[J];中國(guó)農(nóng)業(yè)信息;2014年24期

4 鐘文平;劉文;章璐;;基于土地現(xiàn)狀調(diào)查的中國(guó)土地利用分類淺析[J];廣東土地科學(xué);2014年05期

5 阮懷軍;封文杰;唐研;趙佳;李道亮;;農(nóng)業(yè)信息化建設(shè)的實(shí)證研究——以山東省為例[J];中國(guó)農(nóng)業(yè)科學(xué);2014年20期

6 王石巖;孟志豪;葛小三;段曉玲;;基于地理信息服務(wù)平臺(tái)的農(nóng)業(yè)信息系統(tǒng)研建[J];地理信息世界;2014年03期

7 閔盈盈;吳娟;;基于時(shí)間序列的可燃物平均含水率日變化預(yù)測(cè)模型[J];哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

8 陳威;郭書普;;中國(guó)農(nóng)業(yè)信息化技術(shù)發(fā)展現(xiàn)狀及存在的問(wèn)題[J];農(nóng)業(yè)工程學(xué)報(bào);2013年22期

9 張?chǎng)?;一種基于網(wǎng)絡(luò)資源的數(shù)據(jù)挖據(jù)方法[J];數(shù)字通信;2013年05期

10 夏于;杜克明;孫忠富;胡新;鄭飛翔;;基于物聯(lián)網(wǎng)的小麥氣象災(zāi)害監(jiān)控診斷系統(tǒng)應(yīng)用研究[J];中國(guó)農(nóng)學(xué)通報(bào);2013年23期

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 王銳剛;和紹禹;黃峻;王晉;吳興純;;蜂巢溫濕度數(shù)據(jù)采集與分析處理系統(tǒng)[J];云南農(nóng)業(yè)大學(xué)學(xué)報(bào);2007年05期

2 ;[J];;年期

相關(guān)碩士學(xué)位論文 前2條

1 付月生;蜂巢多點(diǎn)溫濕度監(jiān)測(cè)關(guān)鍵技術(shù)研究[D];安徽農(nóng)業(yè)大學(xué);2015年

2 孫鴻才;基于XTend 射頻模塊的數(shù)傳電臺(tái)的研究[D];北方工業(yè)大學(xué);2011年

，

本文編號(hào)：2112009