江苏大学学报(自然科学版)

作者：刘赛雄,耿霞,陆虎

单位：江苏大学 计算机科学与通信工程学院, 江苏 镇江 212013

关键词： 小麦, 自动编码器, 聚类, 农业数据分析, 机器学习

基金：<p>&nbsp;江苏大学高级人才基金资助项目(14JDG040)</p>

为了实现利用人工智能或机器学习方法提高农业生产效率,针对农业数据分析中特征提取和类别识别的问题,构建了一个基于深度神经网络的自动编码器,该网络不仅能够分析农业数据的固有属性特征,还能自动学习潜在的高级特征.通过在自动编码器中引入了一个高斯核聚类模块,提出了一个新的损失函数反向调节整个网络训练,使其逐步实现聚类的结果,最终实现了一种新的基于自动编码器的高斯核模糊聚类方法(AEKFC).该聚类方法是一种基于自动编码器的端到端深度神经网络学习方法.最后在农业小麦种子的数据集上进行了试验测试,相比其他的一些聚类算法,提出的聚类算法取得了较好的性能结果.结果表明：新型的机器学习算法有助于提高农业数据分析的效果,具有广泛的应用价值.

来源：2020年第3期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2020年第3期