基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
准确高效的奶牛发情检测技术能够提高其受胎率、缩短胎间距,是改善奶牛繁殖效率和提高经济效益的重要手段.规模化、集约化养殖环境下,众多学术与科学研究证实奶牛行为方式和活动量是判断其是否发情的重要指标.目前常用奶牛行为决策方法主要是针对单点数据进行行为分类,而奶牛运动传感数据是按照时间顺序采集的多元时间序列数据,因此该文提出基于结构相似度的子序列段快速聚类算法(SC-SS,subsequence clustering based on structural similarity),首先利用加速度一阶差分值将奶牛运动动态时间序列传感数据划分成若干子序列段,然后计算子序列段加速度值、能量、标准方差等特征结构相似度;最后根据各个子序列的结构相似度进行快速聚类.试验数据分析对比表明,SC-SS 较常用K-means 算法具有更高的运行效率,可更有效地完成奶牛行为分类,提高奶牛发情检测的准确率
推荐文章
基于短序列分组和拼接策略的子序列快速查询算法
序列数据查询
动态时间规整
子序列
序列分组
聚类剪枝算法在离群点检测中的应用
离群点检测
聚类算法
剪枝
免疫进化模糊聚类算法在边缘检测中的应用
免疫进化算法
模糊聚类算法
边缘检测
基于相似度的词聚类算法
词相似度
词聚类
统计语言模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 结构相似子序列快速聚类算法及其在奶牛发情检测中的应用
来源期刊 农业工程学报 学科 工学
关键词 时间序列分析 行为研究 检测 结构相似度 奶牛
年,卷(期) 2012,(15) 所属期刊栏目
研究方向 页码范围 107-112
页数 分类号 TN876.7
字数 6369字 语种 中文
DOI 10.3969/j.issn.1002-6819.2012.15.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 洪添胜 华南农业大学南方农业机械与装备关键技术教育部重点实验室 167 2833 28.0 45.0
2 刘财兴 华南农业大学信息学院 36 401 10.0 19.0
3 刘汉兴 华南农业大学信息学院 16 142 6.0 11.0
4 尹令 华南农业大学南方农业机械与装备关键技术教育部重点实验室 21 257 7.0 16.0
5 王永波 华南农业大学信息学院 2 26 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (161)
参考文献  (16)
节点文献
引证文献  (21)
同被引文献  (94)
二级引证文献  (175)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(6)
  • 参考文献(2)
  • 二级参考文献(4)
2006(5)
  • 参考文献(2)
  • 二级参考文献(3)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(10)
  • 参考文献(4)
  • 二级参考文献(6)
2010(4)
  • 参考文献(4)
  • 二级参考文献(0)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(7)
  • 引证文献(1)
  • 二级引证文献(6)
2016(14)
  • 引证文献(3)
  • 二级引证文献(11)
2017(43)
  • 引证文献(3)
  • 二级引证文献(40)
2018(62)
  • 引证文献(6)
  • 二级引证文献(56)
2019(53)
  • 引证文献(4)
  • 二级引证文献(49)
2020(14)
  • 引证文献(1)
  • 二级引证文献(13)
研究主题发展历程
节点文献
时间序列分析
行为研究
检测
结构相似度
奶牛
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业工程学报
半月刊
1002-6819
11-2047/S
大16开
北京朝阳区麦子店街41号
18-57
1985
chi
出版文献量(篇)
16403
总下载数(次)
36
总被引数(次)
395062
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导