基于知识图谱的水稻病虫害诊断方法研究

目录

声明

第一章 绪 论

1.1 课题背景及研究目的和意义

1.1.1 课题背景

1.1.2 研究目的和意义

1.2 国内外研究现状

1.2.1 病虫害诊断研究现状

1.2.2 知识图谱研究现状

1.3 本文研究内容及章节安排

1.3.1 本文研究内容

1.3.2 本文章节安排

第二章 相关理论与技术

2.1 知识图谱相关理论与方法

2.1.1 本体

2.1.2 知识抽取

2.1.3 知识表示

2.1.4 知识存储

2.1.5 知识推理

2.2 机器学习算法相关理论

2.3 系统开发相关技术

2.3.1 Django框架

2.3.2 ECharts可视化

2.4 本章小结

第三章 水稻病虫害知识图谱构建

3.1 水稻病虫害数据来源

3.1.1 数据源分析

3.1.2 数据源获取

3.2 水稻病虫害知识图谱构建流程设计

3.3 水稻病虫害知识建模

3.3.1 水稻病虫害本体建模

3.3.2 水稻病虫害知识表示

3.3.3 水稻病虫害本体与知识图谱映射匹配机制

3.4 水稻病虫害知识抽取

3.4.1 Word2vec预训练算法

3.4.2 Bi-LSTM算法

3.4.3 CRF算法

3.4.4 实验结果与分析

3.5 水稻病虫害知识存储

3.5.1 图数据库Neo4j

3.5.2 数据存储及结果

3.6 本章小结

第四章 基于知识图谱的水稻病虫害智能诊断模型

4.1 基于SKIP LIST的关联特征挖掘算法构建

4.1.1 最短路径算法

4.1.2 连通组件算法

4.1.3 杰卡德相似度算法

4.1.4 SKIP LIST算法

4.1.5 基于SKIP LIST的水稻病虫害关联特征挖掘算法实现

4.1.6 实验结果与分析

4.2 基于确定性因子模型和知识图谱结合的诊断算法构建

4.2.1 确定性因子模型

4.2.2 基于确定性因子模型和知识图谱结合的诊断算法实现

4.2.3 实验结果与分析

4.3 本章小结

第五章 水稻病虫害智能诊断系统的设计与实现

5.1 开发环境与系统架构

5.1.1 开发环境

5.1.2 系统架构

5.2 系统实现及性能分析

5.2.1 系统实现

5.2.2 性能分析

5.3 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

作者简介

致谢