针对组合神经网络的农业信息网站评价方法的分析研究.pdfVIP

摘要 农业信息网站是现代农业发布政策、推销产品、交流技术、互通需求、相互联络 等活动的重要信息平台。本文以农业信息网站为研究对象，探索和改进信息网站的评 价方法，以期为不断涌现的农业信息网站评价提供理论方法和依据。农业信息网站评 价是高质量实现农业信息化的重要环节，是促进农业信息网站建设的重要手段。对推 动农业信息化各项工作的深入开展，融入未来高速发展的信息化社会具有非常重要的 现实意义。 本文的主要工作和做出的贡献有三个方面。 首先，针对目前农业信息网站的具体情况，在深入分析网站评价方法和相关评价 指标体系研究成果的基础上，采用定性和定量分析相结合的方法，构建了合理的农业 信息网站评价指标体系，设计了相应的专家打分规则，从而为农业信息网站的评价提 供了输入信息源数据，为农业信息网站的评价研究奠定了基础。 其次，在对多种神经网络方法学习研究的基础上，提出评价农业信息网站的组合 神经网络方法。该组合神经网络方法主要包括三部分。一是针对网站评价输入数据因 素多、采集困难等情况，利用 SOM （自组织特征映射）神经网络的分类识别功能， 处理输入数据、进行信息网站特点的分类、剔除异常的输入数据及形成规格化的评价 数据集。二是针对网站信息复杂、神经网络训练计算量大、影响因素多等情况，提出 了改进的RBF （径向基函数）神经网络方法。改进的RBF 神经网络方法基于向量表 示，采取复杂问题“分而治之”的思想，用等维向量方法进行神经网络训练，减少了 模型的计算维度，可以自动逼近最佳网络结构。三是针对农业信息网站层次复杂的情 况，提出以SOM 网络为输入层，以改进的RBF 网络为训练隐含层和评价输出，得到 组合的神经网络模型，并给出了算法步骤。组合神经网络方法，降低了信息网站评价 问题的复杂性，使依据评价指标体系的评价结果更加科学。 最后，在因特网上选取了十个较大型的农业信息网站，以三个月随机抽取的数据 进行了应用案例研究。分别采用 BP 神经网络、未改进的RBF 神经网络和组合神经 网络三种方法，进行评价实践和对比分析。结果表明，组合神经网络方法在农业信息 网站评价时速度快、精度高、易使用，更适于农业信息网站的评价。 本文的主要创新点有三。一是提出基于向量思想的改进的RBF 神经网络方法， 提高了神经网络模型的训练效率和评价精度。二是提出基于SOM 神经网络和改进的 RBF 神经网络的组合神经网络方法，提高了农业信息网站评价的精度和效率。三是 设计了评价指标体系，为网站评价实施奠定了基础。 键词：RBF 神经网络，SOM 神经网络，组合神经网络，网站评价 II Abstract Agricultural information website is the important information platform for modern agriculture activity, which used to release policy, promote products, exchange technology, and intercommunicate demand, mutual contact and so on. This paper is to the agricultural information website for study, explore and improve information website evaluation methods, to provide theory method and basis for constantly emerge agricultural information website evaluation. Agricultural information website evaluation is the important processes to quality achieve agricultural information and the important means