基于混合数据定性组合聚类方案的粮食产后损失分析技术

技术详细介绍

摸清粮食产后损失现状，找到影响粮食产后损失大小的因素，积极采取措施减少粮食存储过程中的损失，对建立可以保障我国粮食消费可持续发展的长效机制具有重要的意义。

聚类分析可以在缺乏先验知识的情况下，根据数据对象的特征及内部结构，使用某种相似性度量对数据集进行分类。它作为数据挖掘的一种重要工具，可以应用在对粮食存储与销售等环节损失的预测中，通过对农户的产量、存储量等指标进行聚类来判断农户的粮食损失率，从而能够分析影响粮食产后损失率的原因，之后有针对性的对农户进行辅导以减少损失。然而，在对农户进行调查过程中产生的数据是由数值属性和名词属性所构成的混合数据，本成果所提出的基于混合数据定性组合聚类方案的粮食产后损失分析技术，发现这些数据所隐含的规律和有价值的信息，为减少粮食产后损失提供对策。

为了能够对包含数值和名词属性的混合数据进行定性组合聚类分析，并对序结构进一步进行精细描述，本成果提出的混合属性定性组合聚类方案，在混合数据分析聚类方案的语义结构方面比定量的聚类方案具有优势。

粮食产后损失数据是典型的混合属性数据，一条数据信息可以包含原料产地、产量、存储量等多种属性，这诸多属性的值都不是无用的，它们的大小都直接或者间接地影响到损失率的高低。为挖掘影响粮食产后损失的因素，首先对粮食产后损失数据进行聚类，探究各个数据属性对于损失率的影响，从而找到主要因素，为减少粮食产后损失、提升利润率提供决策指导。研究中利用此技术成果对粮食产后损失数据进行了分析。在对原始数据进行处理后得到了两个数据集，分别为粮食存储过程中的损失(数据集1)、处理后的大米在销售过程中的存储损失(数据集2)。使用所提技术成果对数据集1和2聚类后，表2中列出了取值差别较大的属性，各类簇按损耗率从小到大排列。数据集2，按年和月损失量数据聚类后的结果如图1和图2。

由表2，通过比较聚类中心，可以发现损失率最大的类簇一般而言平均储粮量也最高，起储量也最高，存储技术没有跟上会出现存储越多，损耗越多。而在损失率最小的类簇中，平均储粮量不高，但虫蛀率较高。