Intégration de l'exploration de données dans un système basé sur la connaissance
Intégration pour le diagnostic et le traitement de la culture du poivre de cayenne
Versandkostenfrei!
Versandfertig in 6-10 Tagen
44,99 €
inkl. MwSt.
PAYBACK Punkte
22 °P sammeln!
L'industrie agricole est vitale pour le bien-être économique d'un pays, mais les maladies des cultures constituent un défi majeur. Les cultures de poivrons requièrent une attention particulière en raison des problèmes de maladies. L'exploration de données a été utilisée pour l'identification des maladies des cultures, mais l'utilisation des connaissances est insuffisante. Une étude intègre l'exploration de données avec des systèmes basés sur la connaissance pour le diagnostic et le traitement des maladies des cultures de poivre. Des expériences ont été menées en utilisant qu...
L'industrie agricole est vitale pour le bien-être économique d'un pays, mais les maladies des cultures constituent un défi majeur. Les cultures de poivrons requièrent une attention particulière en raison des problèmes de maladies. L'exploration de données a été utilisée pour l'identification des maladies des cultures, mais l'utilisation des connaissances est insuffisante. Une étude intègre l'exploration de données avec des systèmes basés sur la connaissance pour le diagnostic et le traitement des maladies des cultures de poivre. Des expériences ont été menées en utilisant quatre algorithmes nommés JRip, PART, J48 et REPTree sur l'ensemble de données des poivrons. Toutes les expériences pour chaque algorithme ont été menées avec 9927 instances et quatre classes, à savoir les types de maladies des champignons, des insectes, des virus et des bactéries de la culture. Les algorithmes de classification ont été utilisés pour développer un modèle prédictif et la représentation des connaissances basée sur des règles a été employée pour diagnostiquer et traiter la culture. Les performances du système ont été testées avec des experts du domaine et l'acceptation des utilisateurs avec des résultats prometteurs de 90,5 et 86,8% respectivement avec une précision moyenne et un rappel de 96% et 97,2% de résultats globaux.
Andere Kunden interessierten sich für
