论文部分内容阅读
针对农业领域本体知识概念层次构建中多概念生成时复杂度高、耗时长及聚合度低的缺点．提出一种改进的云变换方法。通过K·Means＋＋聚类对数据集初始筛选，然后根据细化后问题域中的数据分布快速、自动地进行信息准确划分及不同概念定性提取，使得最终的概念层次能够更加贴近实际。选用茶学数据作为实验样本对该方法进行分析与验证，结果表明了该方法的正确性和有效性。