利用粗糙集和双隐层BP神经网络的小麦籽粒品种分类

• 作者: 吴尚智 周运 徐丹丹 王欢欢
• 来源期刊: 沈阳农业大学学报
• 学科: 工学
• 关键词: 属性约简 信息熵 粗糙集 双隐层BP神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研究报告
• 页码范围: 576-585
• 页数: 10页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1700.2020.05.008

摘要

为了防止小麦籽粒因意外或者故意污染而导致品种认定过程中出现错误判断,急需选育出优质、高产、专用的小麦籽粒品种.将粗糙集和双隐层BP神经网络有效结合,数据经过预处理和属性约简剔除冗余信息,通过神经网络计算提高小麦籽粒品种分类准确度,提出利用粗糙集和双隐层BP神经网络的小麦籽粒品种分类方法.首先,用K-means算法对连续型数值样本聚类离散化,提取知识形成决策表;其次,基于条件信息熵的启发式属性约简算法,处理冗余属性简化决策表,获得更加高效的决策规则;最后,将约简后的最小属性集当作BP神经网络的输入样本,有效选出优质的小麦籽粒品种.用传统BP神经网络对小麦籽粒品种识别准确率达88.889％,运行时间1.574s;而数据经过预处理,粗糙集和神经网络结合方法对小麦籽粒品种识别准确率达到95.238％,运行时间1.513s.结果表明:通过数据预处理剔除冗余数据,有效提高小麦籽粒品种分类准确率,加快神经网络收敛速度并缩短计算时间,显著地提高学习效率.数据预处理剔除冗余属性改善了神经网络的泛化能力,可以协助研究者在试验中快速且准确地挑选优质品种小麦,促进小麦产量的提升.利用粗糙集和双隐层BP神经网络的小麦籽粒品种分类方法应用推广到农业生产中其他谷类作物,具有很好的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴尚智		15	228	8.0	15.0
2	周运		1	0	0.0	0.0
3	王欢欢		1	0	0.0	0.0
4	徐丹丹		1	0	0.0	0.0