基于群智能优化的机器学习方法研究及应用

当前，机器学习技术已广泛应用于工业、农业、交通、环境等各个领域。特别在农 业生产领域，由于农业信息化和精准农业的推广和实施，农业生产数据不断迅速增长并 大量积累，这大大增加了对信息技术的需求，尤其对机器学习技术的需求更加显著。然 而，由于农业生产问题的复杂性，对决策问题直接采用传统的机器学习方法往往达不到 理想的效果，因此如何构造最优的基于机器学习的农业智能决策方法是当前亟待解决的 问题。 本文重点研究利用群智能优化技术对现有若干机器学习技术进行改进，构建基于机 器学习技术的农业智能决策新方法，进而将这些新方法用于解决实际农业生产问题。我 们首先对随机森林、多目标聚类、支持向量机和核极限学习机等方法在计算精度、适用性 和稳定性方面存在的问题进行了探讨，提出了三维混沌果蝇优化技术、改进粒子群优化 技术、改进灰狼优化技术和多种群灰狼优化技术，然后分别对上述机器学习方法进行改 进，进而提出三维混沌果蝇优化的随机森林预测模型、改进粒子群的动态多目标优化诊 断模型、改进灰狼优化的支持向量机诊断模型、多种群灰狼智能演化核极限学习机预测 模型，分别用于水稻的虫害预测、病害诊断、缺素诊断和产量预测..