调查数据挖掘和模式识别技术对土壤数据挖掘

《调查数据挖掘和模式识别技术对土壤数据挖掘》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、调查数据挖掘和模式识别技术对土壤数据挖掘摘要：数据挖掘已经成为主要的研究方向之一域，在近数十年来,以提取隐含的和有用的数据。这种知识可以被人类轻松认知。最初，这方面的知识提取和计算评估采用手工统计技术。随后，半自动数据挖掘技术的出现，因为进步的技术。这样的进步也是在形式存储从而提高分析的需求。在这样的情况下，半自动化的技术已成为低效率的。因此，A动化的数据挖掘技术引入到合成知识有效。数据现有文献的调查挖掘和模式识别土壤数据挖掘呈现本文。在农业土壤屮的数据集的数据挖掘是一个比较新的研究领域。有效的技术可开发和专为解决在使用

2、数据挖掘复杂的土壤数据集。关键词：数据挖掘，模式识别，土壤数据挖掘一、引言这个数据挖掘的软件应用包括各种已经开发了商业方法和研究中心。这些技术已被用于工业，商业和科学用途。例如，数据挖掘技术已经被用来分析大数据集和建立有用的分类和模式的数据集。农业和生物研究的研究中使用的各种数据分析的技术，包括，天然树，统计机器学习和其它分析方法。本文研究的，如果新的数据挖掘可以建立技术将改善的有效性和准确性大型数据集的土壤分类。在特别地，本研究工作的0的是比较数据的性能在土壤局限性和土壤条件挖掘算法方面的以下特点：酸度，碱度与钠含量，

3、盐分，低阳离子交换容量，磷的固定，有开裂和溶胀性能，深度，土壤密度和营养素含量。使用标准的统计分析技术是既费吋乂昂贵。如果可以发现替代的技术，以改善这个过程中，在土壤中的分类的改进可能结果。农业是每个国家都以其核心竞争力。但是在印度然而，它只占17%总的国内生产总值。随着城市化进程加快，这将是粮食生产的挑战越来越多的人用更少的土地和水。农业或养殖是任何国家的脊梁经济性，因为人量人U生活在农村地区，是直接或间接依赖农业为生。来自农业收入形成了养殖的主要来源社区。作物收割的基本要求是水资源和资金购买种子，化肥，农药，劳动力等

4、多数农民通过提高资本要求牺牲其他必要的支出，而当它是仍然不足，他们求助于信贷从银行等渠道和民M金融机构。在这种情况K，该还款取决于作物的成功。如果作物由于多种因素失败即使一次吋，如不良的天气、土壤类型不好，过度和过早应用这两种化肥和农药;掺假的种子和农药等，然后他推入严重危机造成了严重的压力。此外，该植物生长取决于多种因素，如土壤类型、作物类型和天气。由于缺乏植物生长信息和专家建议，大多数农民无法获得良好的收益。土壤性质的知识大多来源于土壤调查努力。土壤调查，或土壤制图，是确定土壤类型或土壤覆盖的其他属性在一个过程，并将

5、其映射为他人理解并使用。对于土壤调查主要数据通过实地采集采样和遥感支持。利用从收集的这项研究工作的测试数据集世界土壤信息-ISRIC（国际土壤参考和信息中心）。在ISRIC-WISE3.1版土壤的排放数据库（WISE3世库存势）是从一个大范围的土壤剖面并且遵从许多专业人士从世界各地收集到的数据。从而主土壤数据和任何二级数据导出他们可以利用地理信息系统的空间单位挂钩世界土壤图以及更近的土壤和地形（SOTER）数据库通过土壤传说中的代码。WISE3是关系数据库，使用编译MS-ACCESS。它可以处理数据：（一）土壤分类；（二

6、）土天边的数据；（三）数据的来源;和用于方法确定分析数据。在WISE3档案数据来源于来自260多个不同的来源，模拟和数字。的型材大约有40%是从辅助提取数据集，包括各种土壤和地形数据库和FAO土壤数据库，持有多种来源的数据整理。WISE3持有选定的属性数据10253个土壤剖面，有些47800个视野，来A149个国家。在未来，这些数据集与各种数据挖掘的分析技术可能产生的成果有助于研究人员。材料和方法在数据挖掘的技术迅速增长是由于（i）大型存储设备的成本下降，提高易用性采集的数据通过网络，（二）稳健发展，高效的机器学习算法来

7、处理这些数据，并（三）计算能力的成本下降，从而利用密集计算的方法对数据进行分析。数据挖掘仅仅代表一组从原始数据中提取模式目的的特定的方法和算法。在DM过程已经发展由于巨大必须被处理的区域更容易，如数据的量：商业，医疗行业，天文学，遗传学。此外，成功的超常规发展硬件技术使得存储的大容量硬盘的出现，事实上许多挑战的出现问题在操作数据的巨大的量。当然，这里最重要的方面是对快速增长互联网。DM过程的核心在于应用方法和为了算法发现和提取模式存储的数据，但在此之前的步骤的数据必须进行预处理。众所周知，简单的使用DM算法无法产生了良好

8、的效果。因此，发现的整个过程在原始数据有用的知识包括顺序应用以下步骤：在应用领域，创造一个目标数据集的基础上通过集中的一个子集选择数据的一种智能的方式变量或数据样本，数据清洗和预处理，数据缩减和投影，选择数据挖掘任务，选择的数据挖掘算法，数据挖掘步骤，解释挖掘模式与可能返凹的任何一个前面的步骤和巩同知识的发现。在DM