A.穆切里诺。;佩特拉克·帕帕佐尔吉;帕尔达洛斯，P.M。 农业数据挖掘技术综述。 （英语） Zbl 1172.90421号 操作。研究，国际期刊。 9，第2期，121-140（2009）. 摘要：我们介绍了农业领域中最常用的一些数据挖掘技术。本文讨论了其中的一些技术，如k均值、k最近邻、人工神经网络和支持向量机，并介绍了每种技术在农业中的应用。农业数据挖掘是一个比较新颖的研究领域。我们认为，可以开发和定制高效的技术，利用数据挖掘解决复杂的农业问题。在调查结束时，我们为农业相关领域的未来研究方向提供了建议。 引用于4文件 MSC公司： 90B50型 管理决策，包括多个目标 90B30型 生产模型 62第20页 统计学在经济学中的应用 68第20页 信息存储和数据检索 关键词：数据挖掘;优化;\（k）最近的邻居;\（k）-表示;支持向量机;人工神经网络;农业 软件：PRMLT公司;内核-机器;J平均值 PDF格式BibTeX公司 XML格式引用 \textit{A.Mucherino}等人，作品。Res.，Int.J.9，No.2，121--140（2009；Zbl 1172.90421） 全文： 内政部 参考文献： [1] Abello J、Pardalos PM、Resende M（2002）《海量数据集手册》。纽约州克鲁沃·Zbl 0986.00022号 [2] Aerts J-M、Jans P、Halloy D、Gustin P、Berckmans D（2004）《通过声音分析在线监测猪咳嗽数据的标记》。Am-Soc农业生物工程48（1）：351–354 [3] Angiulli F，Folino G（2007）最近邻分类的高效分布式数据压缩。In:Kermarrec A-M，Bouge L，Priol T（eds）计算机科学讲稿第4641卷，第338-347页 [4] Bentley JL（1975）用于关联搜索的多维二叉搜索树。通信ACM 18（9）：509–517·Zbl 0306.68061号 ·数字对象标识代码：10.1145/361002.361007 [5] Bishop CM（2006）模式识别和机器学习。纽约州施普林格·Zbl 1107.68072号 [6] Burges CJC（1998）模式识别支持向量机教程。数据最小知识发现2（2）：955–974·Zbl 05470543号 ·doi:10.1023/A:1009715923555 [7] Busygin S，Prokopyev OA，Pardalos PM（2005）通过分数0-1编程实现一致双聚类的特征选择。最佳梳10:7–21·Zbl 1123.90073 ·doi:10.1007/s10878-005-1856-y [8] Brown RL（1995）使用冷凝生成的模板树加速模板匹配。IEEE Trans-Syst Man Cybernet 25（3）：523–528·数字对象标识代码：10.1109/21.364867 [9] Brudzewski K，Osowski S，Markiewicz T（2004）《利用电子鼻和SVM神经网络对牛奶进行分类》，Sens Actuator B98:291–298 [10] Camps-Valls G、Gomez-Chova L、Calpe-Maravilla J、Soria-Olivas E、Martin-Guerrero JD、Moreno J（2003）《利用高光谱数据进行作物分类的支持向量机》。Lect Notes公司科学2652:134–141·Zbl 05870159号 ·doi:10.1007/978-3-540-44871-6_16 [11] Castellano G，Fanelli AM，Pellillo M（1997）前馈神经网络的迭代剪枝算法。IEEE Trans Neural Netw 8（3）：519–531·数字对象标识代码：10.1109/72.572092 [12] Chedad A、Moshou D、Aerts JM、Van Hirtum A、Ramon H、Berckmans D（2001）基于概率神经网络的猪咳嗽识别系统。农业工程研究杂志79（4）：449–457·Zbl 1009.92021号 ·doi:10.1006/jaer.2001.0719 [13] Cortes C，Vapnik V（1995）支持向量网络。马赫学习20:273–297·Zbl 0831.68098号 [14] Cover TM，Hart PE（1967）最近邻模式分类。IEEE Trans-Inf理论13（1）：21–27·Zbl 0154.44505号 ·doi:10.1109/TIT.1967.1053964 [15] Das KC，Evans MD（1992）使用机器视觉II：神经网络分类器检测孵化卵的生育率。反式脂肪酸酶35（6）：2035–2041 [16] Dempster AP，Laird NM，Rubin RD（1977）通过EM算法从不完整数据中获得最大似然。J R Stat Soc B 39（1）：1–38·Zbl 0364.62022号 [17] Devi VS，Murty MN（2002）增量原型集构建技术。图案识别35:505–513·Zbl 0997.68113号 ·doi:10.1016/S0031-3203（00）00184-9 [18] Du C-J，Sun D-W（2005）使用颜色视觉和支持向量机的披萨酱传播分类。食品工程杂志66:137–145·doi:10.1016/j.jfoodeng.2004.03.011 [19] Fagerlund S（2007）使用支持向量机进行鸟类物种识别。EURASIP J高级信号处理，文章ID 38637，第8页·Zbl 1168.68519号 [20] Fnaiech N，Abid S，Fnaieck F，Cheriet M（2004）基于局部相对方差分析的形式修剪算法的修改版本。第一届控制、通信和信号处理国际研讨会，3月 [21] Gates GW（1972），减少最近邻规则。IEEE Trans-Inf理论18:431–433·doi:10.1109/TIT.1972.1054809 [22] Gil-Garcia R，Badia-Contelles JM，Pons-Porrata A（2007）文本分类的并行最近邻算法。Lect Notes计算机科学4641:328–337·Zbl 05491213号 ·doi:10.1007/978-3-540-74466-5_36 [23] Guan Y，Ghorbani AA，Belacel N（2003）Y-means:入侵检测的聚类方法。收录：IEEE加拿大电气与计算机工程会议，会议记录，1083–1086 [24] Hansen P，Mladenovic N（2002）J-means:一种新的局部搜索启发式算法，用于最小平方和聚类。模式识别34（2）：405–413·Zbl 1012.68873号 ·doi:10.1016/S0031-3203（99）00216-2 [25] Hammerstrom D（1993）《工作中的神经网络》，IEEE规范：26–32（6月） [26] Hart PE（1968）凝聚最近邻规则。IEEE Trans-Inf理论14:515–516·doi:10.1009/TIT.1968.1054155 [27] Hartigan J（1975）聚类算法。John Wiles&Sons，纽约·兹伯利0372.62040 [28] Holmgren P，Thuresson T（1998）《林业规划卫星遥感：综述》。Scand J研究13（1）：90–110·doi:10.1080/02827589809382966 [29] Graf HP、Cosatto E、Bottou L、Doudanovic I、Vapnik V（2005）《并行支持向量机：级联SVM》。收录：Bernhard S，Leon B（编辑）《神经信息处理系统进展》。劳伦斯·索尔，第17卷，麻省理工出版社 [30] Jagtap SS、Lall U、Jones JW、Gijsman AJ、Ritchie JT（2004）估算土壤水分参数的动态最近邻法。Trans ASAE 47（5）：1437–1444 [31] Jinlan T，Lin Z，Suqin Z，Lu L（2005）k-means聚类算法的改进与并行性。清华科技10（3）：277–281·doi:10.1016/S1007-0214（05）70069-9 [32] Jolliffe IT（1972）在主成分分析中丢弃变量。I： 人工数据。应用统计21（2）：160–173·doi:10.2307/2346488 [33] Jones JW、Tsuji GY、Hoogenboom G、Hunt LA、Thornton PK、Wilkens PW、Imamura DT、Bowen WT、Singh U（1998）农业技术转让决策支持系统：DSSAT v3。收录：Tsuji GY、Hoogenboom G、Thornton PK（eds）《了解农业生产选项》。Kluwer学术出版社，多德雷赫特，第157-177页 [34] Jorquera H、Perez R、Cipriano A、Acuna G（2001）《空气污染事件的短期预测》。摘自：Zannetti P（eds）环境建模4。WIT出版社，英国 [35] Karimi Y，Prasher SO，Patel RM，Kim SH（2006）支持向量机技术在玉米杂草和氮胁迫检测中的应用。计算机电子农业51:99–109·doi:10.1016/j.compag.2005.12.001 [36] 内核计算机网站：http://www.kernel-machines.org/ [37] Klosgen W，Zytkow JM（2002）《数据挖掘和知识发现手册》。牛津大学出版社 [38] Krishna K，Murty M（1999），遗传K-means算法。IEEE Trans-Syst Man Cybern第B部分Cybern29（3）：433–439·doi:10.1109/3477.764879 [39] Leemans V，Destain MF（2004）基于缺陷提取特征的苹果实时分级方法。食品工程杂志61:83–89·doi:10.1016/S0260-8774（03）00189-4 [40] Leonard RA、Knisel WG、Still DA（1987）《GLEAMS：农业管理系统的地下水负荷效应》。泛美社农业工程30（5）：1403–1418 [41] Lloyd SP（1982）PCM中的最小二乘量化。IEEE Trans-Inf理论28（2）：129–137·Zbl 0504.94015号 ·doi:10.1109/TIT.1982.1056489 [42] Nahapatyan A，Busygin S，Pardalos P（2008）一致性双聚类问题的改进启发式算法。收录：Mondaini RP，Pardalos PM（eds）生物系统数学建模。应用Optim 102。施普林格，第185-198页·Zbl 1382.92016年 [43] 数学作品：http://www.mathworks.com/ [44] Meyer GE、Neto JC、Jones DD、Hindman TW（2004）《强化模糊聚类法》，用于从彩色图像中对感兴趣的植物、土壤和残留区域进行分类。计算机电子农业42:161–180·doi:10.1016/j.compag.2003.08.002 [45] Moreaux B，Beerens D，Gustin P（1999）《猪咳嗽诱导试验的发展：SR 48968和依那普利的作用》，《兽医药理学与治疗杂志》22:387–389·网址：10.1046/j.1365-2885.1999.00229.x [46] Moshou D、Chedad A、Van Hirtum A、De Baerdemaeker J、Berckmans D、Ramon H（2001）基于神经网络的猪疫情早期检测智能警报。美国农业科学院农业工程44（1）：167–174·Zbl 1009.92021号 [47] Moshou D、Chedad A、Van Hirtum A、De Baerdemaeker J、Berckmans D、Ramon H（2001）《猪咳嗽的神经识别系统》。数学计算模拟56:475–487·Zbl 1009.92021号 ·doi:10.1016/S0378-4754（01）00316-0 [48] Mucherino A、Papajorgji P、Pardalos PM（2009）《农业数据挖掘》。纽约施普林格出版社·兹比尔1176.68162 [49] Nurnberger A、Pedrycz W、Kruse R（2002）《神经网络方法》。收录：Klosgen W，Zytkow JM（eds）数据挖掘和知识发现手册。牛津大学出版社 [50] Papajorgji P，Pardalos PM（2006）《应用于农业系统的软件工程技术——面向对象和UML方法》。施普林格，纽约 [51] Pardalos PM、Boginski LV、Vazacopoulos A（2007）《生物医学中的数据挖掘》。纽约州施普林格·Zbl 1130.92034号 [52] Pardalos PM，Hansen P（2008），数据挖掘和数学编程。美国数学学会 [53] Patel VC、McClendon RW、Goodrum JW（1994），使用计算机视觉和神经网络检测鸡蛋中的裂纹。Artif Intell应用程序8（2）：21–31 [54] Fernandez-Pierna JA、Baeten V、Michotte Renier A、Cogdill RP、Dardenne P（2004）支持向量机（SVM）和近红外（NIR）成像光谱学结合用于检测复合饲料中的肉骨粉（MBM）。化学杂志18:341–349·doi:10.1002/cem.877 [55] Platt JC（1999）使用序列最小优化快速训练支持向量机。收录：Schilkopf B、Burges C、Smola A（eds）《内核方法的进展——支持向量学习》。麻省理工学院出版社，马萨诸塞州，美国，第185-208页 [56] Rajagopalan B，Lall U（1999）一个用于日降水量和其他天气变量的k最近的外国模拟器。水资源研究报告35（10）：3089–3101·doi:10.1029/1999WR900028 [57] Reed R（1993）《剪枝算法——一项调查》。IEEE Trans Neural Netw 4（5）：740–747·doi:10.1109/72.248452 [58] Riul A Jr、de Sousa HC、Malmegrim RR、dos Santos DS Jr、Carvalho ACPLF、Fonseca FJ、Oliveira Jr ON、Mattoso LHC（2004）《利用超薄薄膜制成的味觉传感器和神经网络对葡萄酒进行分类》。传感器执行器B98:77–82 [59] Schwenker F（2000）多类模式识别的层次支持向量机。收录：第四届基于知识的智能工程系统和相关技术国际会议论文集（KES 2000），第2卷，第561-565页，英国布莱顿 [60] Shahin MA、Tollner EW、McClendon RW（2001）基于水心分类苹果的人工智能分类器。农业工程研究杂志79（3）：265–274·doi:10.1006/jaer.2001.0705 [61] Seiffert U（2002）大规模并行计算机硬件上的人工神经网络。欧洲人工网络会议记录研讨会，布鲁日（比利时），319-330 [62] Spath H（1980）用于数据缩减和对象分类的聚类分析算法。奇切斯特埃利斯·霍伍德 [63] Stockle CO、Martin SA、Campbell GS（1994）《作物系统：水/氮收支和作物产量》。农业系统46（3）：335–359·doi:10.1016/0308-521X（94）90006-2 [64] Sung KK，Poggio T（2009）基于示例的学习用于基于视图的人脸检测。麻省理工学院A.I.备忘录1521 [65] Tripathi S，Srinivas VV，Nanjundiah RS（2006）气候变化情景下降水量的降尺度：支持向量机方法。水解杂志330:621–640·doi:10.1016/j.jhydrol.2006.04.030 [66] Urtubia A、Perez-Correa JR、Meurens M、Agosin E（2004）利用红外光谱监测大规模葡萄酒发酵。塔兰塔64:778–784·doi:10.1016/j.talanta.2004.04.005 [67] Urtubia A、Perez-Correa JR、Soto A、Pszczolkowski P（2007）使用数据挖掘技术预测工业葡萄酒发酵问题。食品控制18:1512–1517·doi:10.1016/j.foodcont.2006.09.010 [68] Vapnik VN（1998）统计学习理论。纽约威利·Zbl 0935.62007号 [69] Verheyen K，Adriaens D，Hermy M，Deckers S（2001）使用形态土壤剖面描述进行高分辨率连续土壤分类。地肤学101:31–48·doi:10.1016/S0016-7061（00）00088-4 [70] Wu Y，Ianakiev K，Govindaraju V（2002）验证的K近邻分类。图案识别35:2311–2318·Zbl 1006.68885号 ·doi:10.1016/S0031-3203（01）00132-7 [71] Wu X、Kumar V、Quinlan JR、Ghosh J、Yang Q、Motoda H、McLachlan GJ、Ng A、Liu B、Yu PS、Zhou Z-H、Steinbach M、Hand DJ、Steinberg D（2008）数据挖掘十大算法。知识信息系统14:1–37·Zbl 05348912号 ·doi:10.1007/s10115-007-0114-2 [72] 张毅，熊Z，毛J，欧L（2006）并行k-means算法的研究。In:第六届世界智能控制与自动化大会会议记录2:5868–5871 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。