%0 Journal Article
%T Intelligent forecast integrated with CBR and ART-KNN for CFW<br>CFW的CBR与ART-KNN集成智能预测
%A YANG Zhen-gang
%A DENG Fei-qi
%A <br>杨振刚
%A 邓飞其
%J 计算机应用
%D 2007
%I 
%X 结合基于案例推理(CBR)方法和ART-KNN网络,提出了一种黄瓜枯萎病(CFW)的集成智能预测方法.与传统的CBR相似案例检索任务不同的是,该方法用受训ART-KNN网络对新案例分类后根据提出的案例相似性测度来计算相似案例集.对ART-KNN网络的分类性能进行测试,确定了网络的最优相似参量ρ,得到最高平均分类正确率达94.4%.对CFW进行预测,确定了案例相异阈值R的最优范围,得到病株率、病叶率的最优平均预测误差率分别达7.4%、9.3%.综合分析结果表明,提出的CBR与ART-KNN集成预测方法可为CFW的防治提供较为可靠的预测数据以及辅助决策信息.
%K Cucumber Fusarium Wilt(CFW)
%K intelligent forecast
%K Case-based Reasoning(CBR)
%K Adaptive Resonance Theory-Kohonen Neural Network(ART-KNN)<br>黄瓜枯萎病
%K 智能预测
%K 基于案例推理
%K ART-KNN
%K 集成智能
%K 预测数据
%K integrated
%K forecast
%K 辅助决策信息
%K 防治
%K 结果
%K 综合分析
%K 误差率
%K 病叶率
%K 病株率
%K 最优范围
%K 阈值
%K 正确率
%K 高平
%K 参量
%K 测试
%K 分类性能
%K 计算
%K 相似性测度
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=C101B6B0DA03A295B58A54ABC1F2D59F&yid=A732AF04DDA03BB3&vid=DB817633AA4F79B9&iid=94C357A881DFC066&sid=A60ED5C9472B8BEB&eid=4206C58D935377EA&journal_id=1001-9081&journal_name=计算机应用&referenced_num=0&reference_num=8