基于改进Apriori算法农业病虫害诊断.docVIP

基于改进Apriori算法农业病虫害诊断 　　摘要：介绍了Apriori算法的基本方法，并从数据项的建立、频繁项集的连接以及规则生成三个方面对Apriori算法进行了改进，并利用改进后的算法挖掘出了可用于农作物病害诊断的决策规则。 关键词：农业病虫害；数据挖掘；关联规则；Apriori算法；决策规则 中图分类号：TP311 文献标识码：A 文章编号：0439-8114（2014）01-0203-03 Agriculture Disease Diagnosis Based on Improved Apriori Algorithm MA Dong-lai1，ZHANG Wen-jing2a，QU Yun2b （1. Hebei Software Institute， Baoding 071000，Hebei， China； 2a. College of Information Science Technology； 2b. Academic Affairs Office， Agricultural University of Hebei， Baoding 071001， Hebei， China） Abstract： The basic method of Apriori algorithm was introduced and modified in the three aspects including data item establishment， frequent item sets connection and the rule generation. Decision rule was set up for diagnosing drop diseases by the improved algorithm. Key words： crop diseases and pests； data mining； association rule； Apriori algorithm； decision rule 收稿日期：2013-05-10 基金项目：河北省教育厅资助科研项目（Q2012139）；2011年度河北农业大学青年科学基金项目（qj201238） 作者简介：马冬来（1981-），男（回族），河北保定人，讲师，硕士，主要从事人工智能方面的研究，（电话电子信箱）mdl119@163.com。 农业病虫害是影响农作物产量的一个重要因素。中国是农业大国，据统计，农作物受病虫害的影响每年可造成15%～25%的经济损失[1]。因此，农业病虫害的诊断与防治对农业和经济的发展具有重要意义[2]。一直以来，对农作物病害的诊断往往是依靠农民或专家的经验并结合多种检测手段进行。由于一些病虫害的差异细微，很容易造成误诊。不同种类的致病病原物会使农作物的叶部呈现不同的病斑形状。因此，在病害诊断中可将叶部病斑作为农作物病害的一个重要特征，对农作物的病害进行诊断[3]。 数据挖掘又称为数据库中知识发现（Knowledge Discovery from Database，简称KDD），是一种决策支持过程[4，5]。利用数据挖掘技术，可以在大量的农业数据中进行深层次的数据信息的分析，从而获得农作物病虫害产生的原因及环境等因素之间隐藏的内在联系，对于有效识别及预防农作物病虫害具有重要意义[6]。 1 Apriori算法 关联规则挖掘是数据挖掘的一个重要领域，其目的是发现隐藏在数据库中的各数据项集间深层次的关联关系，分析出潜在的行为模式[7]。例如利用Apriori算法对大量的商品销售记录进行挖掘，可以发现不同商品之间存在的有价值的关联关系。商家结合这些关系对商品目录及摆放位置进行设计可以提高销售额，还可以进行相关的商业决策[8]。Agrawal等[9]提出了挖掘关联规则的Apriori算法，其核心是基于两阶段频集思想的递推算法。在Apriori算法中，关联规则的挖掘分为两步：利用候选项集生成频繁项集，频繁项集满足“支持度大于最小支持度阈值”。利用最终的频繁大项集生成关联规则，规则满足“置信度大于最小置信度”。其中的最小支持度阈值和最小置信度阈值都由用户事先设定。 2 Apriori算法的改进 经典Apriori算法挖掘出的关联规则一般满足“A∧B∧C-D∧E”的模式。这些关联规则侧重于描述数据库中的一组对象之间相互的关联关系。而在农业病虫害诊断的实际应用中，需要的是形如“A∧B∧C∧D-E”的规则。即根据A、B、C、D等的病害特征，可以推导出所患病害的种类。这就需要对经典的Apriori算法进行一些改动。