本發(fā)明屬于數(shù)據(jù)庫領(lǐng)域，尤其涉及一種花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)。

背景技術(shù)：

數(shù)據(jù)庫是信息管理的最有效的手段。基于數(shù)據(jù)庫的實(shí)用需要設(shè)計(jì)數(shù)據(jù)庫，構(gòu)造最優(yōu)化的數(shù)據(jù)庫模式，建立數(shù)據(jù)庫和其調(diào)用平臺(tái)，滿足數(shù)據(jù)庫的上下游數(shù)據(jù)額調(diào)用，有效額存儲(chǔ)數(shù)據(jù)，數(shù)據(jù)庫信息的挖掘和更新機(jī)制，最終實(shí)現(xiàn)用戶的信息要求使用和處理。

目前，有一些相關(guān)的數(shù)據(jù)庫，但是存在以下缺點(diǎn)：一是花生種植信息的本地?cái)?shù)據(jù)的存儲(chǔ)不夠安全，在機(jī)器損壞的同時(shí)數(shù)據(jù)的丟失，不能對(duì)數(shù)據(jù)進(jìn)行備份；二是不能對(duì)花生種植信息的原始數(shù)據(jù)進(jìn)行篩選、過濾、分析和處理，導(dǎo)致數(shù)據(jù)庫數(shù)據(jù)的重復(fù)、混亂和丟失；三是不能根據(jù)花生種植信息進(jìn)行模擬花生的生長狀況。總體來說實(shí)用性能遠(yuǎn)遠(yuǎn)不足，滿足不了需求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為解決公知技術(shù)中存在的技術(shù)問題而提供一種能夠提供全面的花生種植信息，而且能對(duì)原始數(shù)據(jù)進(jìn)行統(tǒng)一篩選、過濾、分析和處理，使得數(shù)據(jù)庫的信息準(zhǔn)確可靠，通過數(shù)據(jù)更新模塊可以使得數(shù)據(jù)庫的信息得到及時(shí)的修改和補(bǔ)充的一種花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)。

本發(fā)明是這樣實(shí)現(xiàn)的，一種花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)，包括微處理器，所述微處理器的輸入端分別與輸入模塊、供電模塊、計(jì)時(shí)模塊和數(shù)據(jù)更新模塊的輸出端電性連接；所述數(shù)據(jù)更新模塊的輸入端與外存儲(chǔ)器的輸出端電性連接；所述微處理器的輸出端分別與動(dòng)態(tài)模擬器、信息驗(yàn)證模塊、數(shù)據(jù)輸出模塊、檢索模塊、數(shù)據(jù)過濾模塊和數(shù)據(jù)分析模塊的輸入端電性連接；所述微處理器分別與ram存儲(chǔ)器、mram存儲(chǔ)器、數(shù)據(jù)庫和無線射頻收發(fā)模塊的電性連接；所述無線射頻收發(fā)模塊通過gprs網(wǎng)絡(luò)分別與云端存儲(chǔ)器和外部設(shè)備連接；

所述輸入模塊的輸入端與輸入裝置的輸出端電性連接；

所述數(shù)據(jù)輸出模塊的輸出端與顯示模塊的輸入端電性連接；

所述外部設(shè)備包括電腦、手機(jī)具有網(wǎng)絡(luò)連接功能的電子產(chǎn)品。

進(jìn)一步，所述微處理器設(shè)置有子匹配濾波器，所述子匹配濾波器的傳遞函數(shù)為：ci是由分層序列u，v調(diào)制而成的，u是分層golay序列u＝{1,1,1,1,1,1,-1,-1,1,-1，1,-1,1,-1,-1,1}，v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，c16m+n＝unvm；

根據(jù)分層的golay序列對(duì)傳遞函數(shù)進(jìn)行改進(jìn)，則有：

h(zu)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

h(zv)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]。

進(jìn)一步，所述數(shù)據(jù)更新模塊設(shè)置有數(shù)據(jù)壓縮單元，所述數(shù)據(jù)壓縮單元的數(shù)據(jù)壓縮方法的步驟為：

步驟一、在編碼時(shí)，首先根據(jù)e1n+1＝e1n+dn+1式計(jì)算出e1值，再根據(jù)和式計(jì)算出擬合殘差，計(jì)算這兩步時(shí)，均需要對(duì)結(jié)果進(jìn)行越限判斷，判斷e1是否越限是為了避免超過傳感器數(shù)據(jù)總線上限而造成溢出；判斷殘差是否越限是為實(shí)現(xiàn)分段擬合；

步驟二、當(dāng)一段輸入數(shù)據(jù)的擬合殘差全部計(jì)算完后，就構(gòu)造出{dn,e1n,dfr3,dfr4,…dfrn}所示的數(shù)據(jù)包，通過s-huffman編碼方法對(duì)進(jìn)行熵編碼，然后發(fā)送出去，接收端解碼時(shí)，先將接收到的一組數(shù)據(jù)解碼，還原出{dn,e1n,dfr3,dfr4,…dfrn}式所示的數(shù)據(jù)包，然后根據(jù)式計(jì)算并還原出所有原始數(shù)據(jù)。

進(jìn)一步，所述數(shù)據(jù)分析模塊設(shè)置有多源異構(gòu)數(shù)據(jù)語義集成模型，所述多源異構(gòu)數(shù)據(jù)語義集成模型包括：局部本體構(gòu)建模塊、本體合并模塊和語義查詢動(dòng)態(tài)擴(kuò)展及規(guī)約模塊；

局部本體構(gòu)建模塊，根據(jù)數(shù)據(jù)源特征，自適應(yīng)地選擇本體構(gòu)建策略，從而構(gòu)建出局部本體；局部本體構(gòu)建模塊的構(gòu)建方法包括：基于非結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建局部本體：應(yīng)用文本過濾器將不同的文件格式轉(zhuǎn)成為純文本文件格式，獲得語料數(shù)據(jù)，并進(jìn)行一致性檢查；然后，采用逆向最大分類中文分詞方法對(duì)這些語料進(jìn)行初步的切分處理，得到字串集合；然后，利用最大信息系數(shù)方法計(jì)算字串的內(nèi)部結(jié)合強(qiáng)度，獲取合成詞集合，并判斷合成詞和非合成詞的領(lǐng)域相關(guān)性，提取出概念集合；然后，應(yīng)用圖上隨機(jī)游走算法推理合成詞概念間的分類關(guān)系，采用基于隱markov模型的聚類算法提取非合成詞概念間的分類關(guān)系；接著，運(yùn)用基于關(guān)聯(lián)規(guī)則挖掘的方法獲取概念間的非分類關(guān)系；最后，應(yīng)用本體構(gòu)建工具輸出owl格式的局部本體；基于結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建局部本體：利用r2o技術(shù)建立數(shù)據(jù)庫模式和本體模型之間的語義映射關(guān)系，從而把關(guān)系數(shù)據(jù)庫中的關(guān)系映射為本體中的概念，把屬性對(duì)應(yīng)地映射為owl屬性，并把數(shù)據(jù)庫的關(guān)系表轉(zhuǎn)化為本體類，把數(shù)據(jù)庫中的數(shù)據(jù)轉(zhuǎn)化為實(shí)例；然后，對(duì)從數(shù)據(jù)庫中抽取出來的初始局部本體做一系列的規(guī)范化工作，通過與標(biāo)準(zhǔn)本體進(jìn)行語義相似度計(jì)算，將符合閾值的本體信息建立語義聯(lián)系，不符合閾值的本體信息進(jìn)行規(guī)范化處理，從而構(gòu)建出符合要求的規(guī)范化局部本體；基于半結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建局部本體，由于半結(jié)構(gòu)化數(shù)據(jù)是介于結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)之間的、具有隱含結(jié)構(gòu)但缺乏固定或嚴(yán)格結(jié)構(gòu)的一類數(shù)據(jù)；所以，基于上述兩種數(shù)據(jù)類型的本體構(gòu)建技術(shù)也可以應(yīng)用到半結(jié)構(gòu)化數(shù)據(jù)源；首先，抽取出半結(jié)構(gòu)化數(shù)據(jù)模式，給定映射規(guī)則，利用xml2rd方法，將半結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)；然后，按照結(jié)構(gòu)化數(shù)據(jù)構(gòu)建局部本體的方法構(gòu)造半結(jié)構(gòu)化數(shù)據(jù)源對(duì)應(yīng)的局部本體；

本體合并模塊，與局部本體構(gòu)建模塊連接，采用將概念匹配和屬性匹配相結(jié)合的本體合并方法，利用最大信息系數(shù)方法計(jì)算概念語義相似度和概念屬性的語義相似度，實(shí)現(xiàn)多個(gè)局部本體到領(lǐng)域本體的靈活合并；采用將概念匹配和屬性匹配相結(jié)合的本體合并方法，利用最大信息系數(shù)方法計(jì)算概念語義相似度和概念屬性的語義相似度，然后，通過相似度評(píng)估函數(shù)對(duì)概念間的相似度進(jìn)行評(píng)估，輸出相似矩陣，并對(duì)相似矩陣運(yùn)用領(lǐng)域公理約束知識(shí)進(jìn)一步評(píng)估其相似性；接著，通過機(jī)器學(xué)習(xí)的方法訓(xùn)練學(xué)習(xí)分類器，利用學(xué)習(xí)分類器計(jì)算概念實(shí)例間的相似度；最后，通過結(jié)合iso15926油氣本體和模糊形式概念分析方法，綜合考慮語義相似度的對(duì)稱性和傳遞性關(guān)系，將模糊集理論引入語義相似度的設(shè)定中，實(shí)現(xiàn)多個(gè)局部本體到領(lǐng)域本體的靈活合并；

語義查詢動(dòng)態(tài)擴(kuò)展及規(guī)約模塊，與局部本體構(gòu)建模塊連接，用于查詢請(qǐng)求動(dòng)態(tài)擴(kuò)展的有效性及結(jié)果的聚合優(yōu)化；首先，借助社會(huì)標(biāo)注語義分析和本體包含的概念關(guān)系及推理能力，對(duì)查詢請(qǐng)求進(jìn)行語法及語義上的規(guī)約與擴(kuò)展，生成規(guī)范的語義查詢語句，解決查詢請(qǐng)求與領(lǐng)域本體數(shù)據(jù)源之間由于表達(dá)形式的不同所造成的失配問題，并根據(jù)用戶的查詢請(qǐng)求自動(dòng)推薦一簇語義相關(guān)標(biāo)簽，為實(shí)現(xiàn)數(shù)據(jù)源準(zhǔn)確聚集提供導(dǎo)引；然后，通過計(jì)算擴(kuò)展查詢請(qǐng)求和領(lǐng)域本體概念間的語義相似度來量化請(qǐng)求與資源概念間的關(guān)聯(lián)度；最后，利用社會(huì)標(biāo)注和本體包含的豐富概念語義關(guān)系，對(duì)查詢結(jié)果模式進(jìn)行語義注釋，根據(jù)社會(huì)標(biāo)注的語義全局效應(yīng)，引入以統(tǒng)計(jì)分析結(jié)果獲得的最相關(guān)可信性標(biāo)注所指向的數(shù)據(jù)源作為查詢結(jié)果可信性評(píng)價(jià)標(biāo)準(zhǔn)之一，對(duì)結(jié)果集進(jìn)行去重和聚合優(yōu)化，實(shí)現(xiàn)可信的top-k查詢。

進(jìn)一步，所述無線射頻收發(fā)模塊的發(fā)射比特?cái)?shù)據(jù)到距離為的接收點(diǎn)的能量消耗如下：

其中eelec為發(fā)射電路能量消耗，εfs為自由空間模型下功率放大電路所需能量，εmp為多路徑衰減模型下功率放大電路所需能量，接收比特?cái)?shù)據(jù)能耗：

erx(l)＝l×eelec；

聚合比特?cái)?shù)據(jù)的能量消耗：

ea＝l×eda；

其中eda表示聚合1比特?cái)?shù)據(jù)的能量消耗。

進(jìn)一步，所述微處理器設(shè)置有數(shù)據(jù)除噪單元，所述數(shù)據(jù)除噪單元的除噪方法包括：

步驟一，首先在采集數(shù)據(jù)輸出模塊的數(shù)據(jù)，經(jīng)過數(shù)據(jù)解編、道編輯的預(yù)處理；

步驟二，利用fft快速傅立葉變換分析數(shù)據(jù)的頻譜，確定有用信號(hào)的頻譜范圍，進(jìn)而明確低通濾波器的截止頻率，利用此截止頻率對(duì)數(shù)據(jù)進(jìn)行低通濾波，濾除數(shù)據(jù)的高頻噪聲；

步驟三，對(duì)于濾除高頻噪聲之后的數(shù)據(jù)，送入分?jǐn)?shù)傅立葉變換域進(jìn)行變換，分?jǐn)?shù)傅立葉變換域變換的階數(shù)范圍為[0,4]；在進(jìn)行分?jǐn)?shù)傅立葉變換域變換時(shí)，首先進(jìn)行變換掃描，即在[0,4]范圍內(nèi)按照時(shí)間間隔小于0.5秒分別計(jì)算不同階數(shù)所對(duì)應(yīng)的分?jǐn)?shù)傅立葉變換域變換，其計(jì)算公式為：

其中a∈[0,4]為分?jǐn)?shù)傅立葉變換域的階數(shù)，f(t)即為低通濾波之后的數(shù)據(jù)。f(t)和f(x)表示的是同一個(gè)函數(shù)；

步驟四，根據(jù)掃描所得到的分?jǐn)?shù)傅立葉變換域域變換，選擇出信號(hào)最為集中的變換數(shù)據(jù)和其所對(duì)應(yīng)的階數(shù)a0，即為下一步分?jǐn)?shù)傅立葉變換域反變換所需要的參數(shù)；

步驟五，接下來進(jìn)行分?jǐn)?shù)傅立葉變換域反變換，將步驟三中進(jìn)行分?jǐn)?shù)傅立葉變換域變換后的數(shù)據(jù)，再次進(jìn)行反變換；根據(jù)分?jǐn)?shù)傅立葉變換域中低頻噪聲確定出期望信號(hào)的分布范圍，在分布范圍之外的區(qū)域，變換信號(hào)幅值置為0；然后，對(duì)此按照公式進(jìn)行分?jǐn)?shù)傅立葉變換域反變換，即變換階數(shù)為-a0，經(jīng)此變換之后的數(shù)據(jù)即為所求數(shù)據(jù)。

進(jìn)一步，所述花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)還包括花生種植區(qū)劃信息系統(tǒng)；所述花生種植區(qū)劃信息系統(tǒng)調(diào)控方法包括：

通過收集、整理花生生態(tài)適宜性及花生種植區(qū)劃的信息，利用地理信息系統(tǒng)平臺(tái)，采用組件式的面向?qū)ο蟮木幊碳夹g(shù)建立融地理信息技術(shù)、數(shù)據(jù)庫、模型技術(shù)及專家系統(tǒng)于一體的花生種植區(qū)劃信息系統(tǒng)；

通過構(gòu)建的花生種植區(qū)劃信息系統(tǒng)用于對(duì)收集、整理花生生態(tài)適宜性及花生種植區(qū)劃的信息進(jìn)行瀏覽、查詢、檢索和輔助決策；

根據(jù)花生種植區(qū)劃信息系統(tǒng)攜帶信息的數(shù)據(jù)屬性的差異，采用基本信息表達(dá)類型模塊進(jìn)行導(dǎo)出；為行業(yè)主管部門和農(nóng)技推廣部門指導(dǎo)花生布局調(diào)整，穩(wěn)定花生種植規(guī)模提供輔助決策工具。

進(jìn)一步，所述花生種植區(qū)劃信息系統(tǒng)包括生態(tài)資源模塊、社會(huì)經(jīng)濟(jì)狀況模塊、花生品質(zhì)區(qū)劃模塊、種植區(qū)劃模塊；所述生態(tài)資源模塊、社會(huì)經(jīng)濟(jì)狀況模塊、花生品質(zhì)區(qū)劃模塊、種植區(qū)劃模塊均與微處理器信號(hào)連接；所述攜帶信息包括生態(tài)資源信息、社會(huì)經(jīng)濟(jì)狀況信息、花生品質(zhì)區(qū)劃信息、種植區(qū)劃信息并分別由生態(tài)資源模塊、社會(huì)經(jīng)濟(jì)狀況模塊、花生品質(zhì)區(qū)劃模塊、種植區(qū)劃模塊生成；所述基本信息表達(dá)類型模塊內(nèi)置在外部設(shè)備上；所述基本信息表達(dá)類型模塊包括地圖類子模塊、圖表類子模塊、表格類子模塊；所述地圖類子模塊、圖表類子模塊、表格類子模塊均并通過gprs網(wǎng)絡(luò)與無線射頻收發(fā)模塊信號(hào)連接。

本發(fā)明提供的花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)，通過微處理器、數(shù)據(jù)過濾模塊和數(shù)據(jù)分析模塊能對(duì)原始數(shù)據(jù)進(jìn)行統(tǒng)一篩選、過濾、分析和處理，使得數(shù)據(jù)庫的信息準(zhǔn)確可靠，提供全面的花生種植信息；利用外存儲(chǔ)器通過數(shù)據(jù)更新模塊可以使得數(shù)據(jù)庫的信息得到及時(shí)的修改和補(bǔ)充；通過無線射頻收發(fā)模塊和gprs網(wǎng)絡(luò)將數(shù)據(jù)庫的信息發(fā)送到云端存儲(chǔ)器中進(jìn)行備份，保證數(shù)據(jù)的安全存儲(chǔ)；利用動(dòng)態(tài)模擬器可以根據(jù)花生種植信息進(jìn)行花生生長的動(dòng)態(tài)模擬。

附圖說明

圖1是本發(fā)明實(shí)施例提供的花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)結(jié)構(gòu)示意圖；

圖2是本發(fā)明實(shí)施例提供的花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)的另一結(jié)構(gòu)示意圖；

圖中：1、微處理器；2、輸入模塊；3、供電模塊；4、計(jì)時(shí)模塊；5、數(shù)據(jù)更新模塊；6、輸入裝置；7、外存儲(chǔ)器；8、動(dòng)態(tài)模擬器；9、信息驗(yàn)證模塊；10、數(shù)據(jù)輸出模塊；11、檢索模塊；12、數(shù)據(jù)過濾模塊；13、數(shù)據(jù)分析模塊；14、顯示模塊；15、ram存儲(chǔ)器；16、mram存儲(chǔ)器；17、數(shù)據(jù)庫；18、無線射頻收發(fā)模塊；19、gprs網(wǎng)絡(luò)；20、云端存儲(chǔ)器；21、外部設(shè)備；22、花生種植區(qū)劃信息系統(tǒng)；23、生態(tài)資源模塊；24、社會(huì)經(jīng)濟(jì)狀況模塊；25、花生品質(zhì)區(qū)劃模塊；26、種植區(qū)劃模塊；27、基本信息表達(dá)類型模塊；28、地圖類子模塊；29、圖表類子模塊；30、表格類子模塊。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結(jié)合圖1對(duì)本發(fā)明結(jié)構(gòu)作詳細(xì)的描述：

本發(fā)明實(shí)施例提供的花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)包括微處理器1，所述微處理器1的輸入端分別與輸入模塊2、供電模塊3、計(jì)時(shí)模塊4和數(shù)據(jù)更新模塊5的輸出端電性連接；所述數(shù)據(jù)更新模塊5的輸入端與外存儲(chǔ)器7的輸出端電性連接；所述微處理器1的輸出端分別與動(dòng)態(tài)模擬器8、信息驗(yàn)證模塊9、數(shù)據(jù)輸出模塊10、檢索模塊11、數(shù)據(jù)過濾模塊12和數(shù)據(jù)分析模塊13的輸入端電性連接；所述微處理器1分別與ram存儲(chǔ)器15、mram存儲(chǔ)器16、數(shù)據(jù)庫17和無線射頻收發(fā)模塊18的電性連接；所述無線射頻收發(fā)模塊18通過gprs網(wǎng)絡(luò)19分別與云端存儲(chǔ)器20和外部設(shè)備21連接。

進(jìn)一步，所述輸入模塊2的輸入端與輸入裝置6的輸出端電性連接。

進(jìn)一步，所述數(shù)據(jù)輸出模塊10的輸出端與顯示模塊14的輸入端電性連接。

進(jìn)一步，所述外部設(shè)備21包括電腦、手機(jī)等具有網(wǎng)絡(luò)連接功能的電子產(chǎn)品。

進(jìn)一步，所述微處理器設(shè)置有子匹配濾波器，所述子匹配濾波器的傳遞函數(shù)為：ci是由分層序列u，v調(diào)制而成的，u是分層golay序列u＝{1,1,1,1,1,1,-1,-1,1,-1，1,-1,1,-1,-1,1}，v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，c16m+n＝unvm；

根據(jù)分層的golay序列對(duì)傳遞函數(shù)進(jìn)行改進(jìn)，則有：

h(zu)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

h(zv)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]。

進(jìn)一步，所述數(shù)據(jù)更新模塊設(shè)置有數(shù)據(jù)壓縮單元，所述數(shù)據(jù)壓縮單元的數(shù)據(jù)壓縮方法的步驟為：

步驟一、在編碼時(shí)，首先根據(jù)e1n+1＝e1n+dn+1式計(jì)算出e1值，再根據(jù)和式計(jì)算出擬合殘差，計(jì)算這兩步時(shí)，均需要對(duì)結(jié)果進(jìn)行越限判斷，判斷e1是否越限是為了避免超過傳感器數(shù)據(jù)總線上限而造成溢出；判斷殘差是否越限是為實(shí)現(xiàn)分段擬合；

步驟二、當(dāng)一段輸入數(shù)據(jù)的擬合殘差全部計(jì)算完后，就構(gòu)造出{dn,e1n,dfr3,dfr4,…dfrn}所示的數(shù)據(jù)包，通過s-huffman編碼方法對(duì)進(jìn)行熵編碼，然后發(fā)送出去，接收端解碼時(shí)，先將接收到的一組數(shù)據(jù)解碼，還原出{dn,e1n,dfr3,dfr4,…dfrn}式所示的數(shù)據(jù)包，然后根據(jù)式計(jì)算并還原出所有原始數(shù)據(jù)。

進(jìn)一步，所述數(shù)據(jù)分析模塊設(shè)置有多源異構(gòu)數(shù)據(jù)語義集成模型，所述多源異構(gòu)數(shù)據(jù)語義集成模型包括：局部本體構(gòu)建模塊、本體合并模塊和語義查詢動(dòng)態(tài)擴(kuò)展及規(guī)約模塊；

局部本體構(gòu)建模塊，根據(jù)數(shù)據(jù)源特征，自適應(yīng)地選擇本體構(gòu)建策略，從而構(gòu)建出局部本體；局部本體構(gòu)建模塊的構(gòu)建方法包括：基于非結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建局部本體：應(yīng)用文本過濾器將不同的文件格式轉(zhuǎn)成為純文本文件格式，獲得語料數(shù)據(jù)，并進(jìn)行一致性檢查；然后，采用逆向最大分類中文分詞方法對(duì)這些語料進(jìn)行初步的切分處理，得到字串集合；然后，利用最大信息系數(shù)方法計(jì)算字串的內(nèi)部結(jié)合強(qiáng)度，獲取合成詞集合，并判斷合成詞和非合成詞的領(lǐng)域相關(guān)性，提取出概念集合；然后，應(yīng)用圖上隨機(jī)游走算法推理合成詞概念間的分類關(guān)系，采用基于隱markov模型的聚類算法提取非合成詞概念間的分類關(guān)系；接著，運(yùn)用基于關(guān)聯(lián)規(guī)則挖掘的方法獲取概念間的非分類關(guān)系；最后，應(yīng)用本體構(gòu)建工具輸出owl格式的局部本體；基于結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建局部本體：利用r2o技術(shù)建立數(shù)據(jù)庫模式和本體模型之間的語義映射關(guān)系，從而把關(guān)系數(shù)據(jù)庫中的關(guān)系映射為本體中的概念，把屬性對(duì)應(yīng)地映射為owl屬性，并把數(shù)據(jù)庫的關(guān)系表轉(zhuǎn)化為本體類，把數(shù)據(jù)庫中的數(shù)據(jù)轉(zhuǎn)化為實(shí)例；然后，對(duì)從數(shù)據(jù)庫中抽取出來的初始局部本體做一系列的規(guī)范化工作，通過與標(biāo)準(zhǔn)本體進(jìn)行語義相似度計(jì)算，將符合閾值的本體信息建立語義聯(lián)系，不符合閾值的本體信息進(jìn)行規(guī)范化處理，從而構(gòu)建出符合要求的規(guī)范化局部本體；基于半結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建局部本體，由于半結(jié)構(gòu)化數(shù)據(jù)是介于結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)之間的、具有隱含結(jié)構(gòu)但缺乏固定或嚴(yán)格結(jié)構(gòu)的一類數(shù)據(jù)；所以，基于上述兩種數(shù)據(jù)類型的本體構(gòu)建技術(shù)也可以應(yīng)用到半結(jié)構(gòu)化數(shù)據(jù)源；首先，抽取出半結(jié)構(gòu)化數(shù)據(jù)模式，給定映射規(guī)則，利用xml2rd方法，將半結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)；然后，按照結(jié)構(gòu)化數(shù)據(jù)構(gòu)建局部本體的方法構(gòu)造半結(jié)構(gòu)化數(shù)據(jù)源對(duì)應(yīng)的局部本體；

本體合并模塊，與局部本體構(gòu)建模塊連接，采用將概念匹配和屬性匹配相結(jié)合的本體合并方法，利用最大信息系數(shù)方法計(jì)算概念語義相似度和概念屬性的語義相似度，實(shí)現(xiàn)多個(gè)局部本體到領(lǐng)域本體的靈活合并；采用將概念匹配和屬性匹配相結(jié)合的本體合并方法，利用最大信息系數(shù)方法計(jì)算概念語義相似度和概念屬性的語義相似度，然后，通過相似度評(píng)估函數(shù)對(duì)概念間的相似度進(jìn)行評(píng)估，輸出相似矩陣，并對(duì)相似矩陣運(yùn)用領(lǐng)域公理約束知識(shí)進(jìn)一步評(píng)估其相似性；接著，通過機(jī)器學(xué)習(xí)的方法訓(xùn)練學(xué)習(xí)分類器，利用學(xué)習(xí)分類器計(jì)算概念實(shí)例間的相似度；最后，通過結(jié)合iso15926油氣本體和模糊形式概念分析方法，綜合考慮語義相似度的對(duì)稱性和傳遞性關(guān)系，將模糊集理論引入語義相似度的設(shè)定中，實(shí)現(xiàn)多個(gè)局部本體到領(lǐng)域本體的靈活合并；

語義查詢動(dòng)態(tài)擴(kuò)展及規(guī)約模塊，與局部本體構(gòu)建模塊連接，用于查詢請(qǐng)求動(dòng)態(tài)擴(kuò)展的有效性及結(jié)果的聚合優(yōu)化；首先，借助社會(huì)標(biāo)注語義分析和本體包含的概念關(guān)系及推理能力，對(duì)查詢請(qǐng)求進(jìn)行語法及語義上的規(guī)約與擴(kuò)展，生成規(guī)范的語義查詢語句，解決查詢請(qǐng)求與領(lǐng)域本體數(shù)據(jù)源之間由于表達(dá)形式的不同所造成的失配問題，并根據(jù)用戶的查詢請(qǐng)求自動(dòng)推薦一簇語義相關(guān)標(biāo)簽，為實(shí)現(xiàn)數(shù)據(jù)源準(zhǔn)確聚集提供導(dǎo)引；然后，通過計(jì)算擴(kuò)展查詢請(qǐng)求和領(lǐng)域本體概念間的語義相似度來量化請(qǐng)求與資源概念間的關(guān)聯(lián)度；最后，利用社會(huì)標(biāo)注和本體包含的豐富概念語義關(guān)系，對(duì)查詢結(jié)果模式進(jìn)行語義注釋，根據(jù)社會(huì)標(biāo)注的語義全局效應(yīng)，引入以統(tǒng)計(jì)分析結(jié)果獲得的最相關(guān)可信性標(biāo)注所指向的數(shù)據(jù)源作為查詢結(jié)果可信性評(píng)價(jià)標(biāo)準(zhǔn)之一，對(duì)結(jié)果集進(jìn)行去重和聚合優(yōu)化，實(shí)現(xiàn)可信的top-k查詢。

進(jìn)一步，所述無線射頻收發(fā)模塊的發(fā)射比特?cái)?shù)據(jù)到距離為的接收點(diǎn)的能量消耗如下：

其中eelec為發(fā)射電路能量消耗，εfs為自由空間模型下功率放大電路所需能量，εmp為多路徑衰減模型下功率放大電路所需能量，接收比特?cái)?shù)據(jù)能耗：

erx(l)＝l×eelec；

聚合比特?cái)?shù)據(jù)的能量消耗：

ea＝l×eda；

其中eda表示聚合1比特?cái)?shù)據(jù)的能量消耗。

進(jìn)一步，所述微處理器設(shè)置有數(shù)據(jù)除噪單元，所述數(shù)據(jù)除噪單元的除噪方法包括：

步驟一，首先在采集數(shù)據(jù)輸出模塊的數(shù)據(jù)，經(jīng)過數(shù)據(jù)解編、道編輯的預(yù)處理；

步驟二，利用fft快速傅立葉變換分析數(shù)據(jù)的頻譜，確定有用信號(hào)的頻譜范圍，進(jìn)而明確低通濾波器的截止頻率，利用此截止頻率對(duì)數(shù)據(jù)進(jìn)行低通濾波，濾除數(shù)據(jù)的高頻噪聲；

步驟三，對(duì)于濾除高頻噪聲之后的數(shù)據(jù)，送入分?jǐn)?shù)傅立葉變換域進(jìn)行變換，分?jǐn)?shù)傅立葉變換域變換的階數(shù)范圍為[0,4]；在進(jìn)行分?jǐn)?shù)傅立葉變換域變換時(shí)，首先進(jìn)行變換掃描，即在[0,4]范圍內(nèi)按照時(shí)間間隔小于0.5秒分別計(jì)算不同階數(shù)所對(duì)應(yīng)的分?jǐn)?shù)傅立葉變換域變換，其計(jì)算公式為：

其中a∈[0,4]為分?jǐn)?shù)傅立葉變換域的階數(shù)，f(t)即為低通濾波之后的數(shù)據(jù)。f(t)和f(x)表示的是同一個(gè)函數(shù)；

步驟四，根據(jù)掃描所得到的分?jǐn)?shù)傅立葉變換域域變換，選擇出信號(hào)最為集中的變換數(shù)據(jù)和其所對(duì)應(yīng)的階數(shù)a0，即為下一步分?jǐn)?shù)傅立葉變換域反變換所需要的參數(shù)；

步驟五，接下來進(jìn)行分?jǐn)?shù)傅立葉變換域反變換，將步驟三中進(jìn)行分?jǐn)?shù)傅立葉變換域變換后的數(shù)據(jù)，再次進(jìn)行反變換；根據(jù)分?jǐn)?shù)傅立葉變換域中低頻噪聲確定出期望信號(hào)的分布范圍，在分布范圍之外的區(qū)域，變換信號(hào)幅值置為0；然后，對(duì)此按照公式進(jìn)行分?jǐn)?shù)傅立葉變換域反變換，即變換階數(shù)為-a0，經(jīng)此變換之后的數(shù)據(jù)即為所求數(shù)據(jù)。

如圖2所示，所述花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)還包括花生種植區(qū)劃信息系統(tǒng)22；所述花生種植區(qū)劃信息系統(tǒng)調(diào)控方法包括：

通過收集、整理花生生態(tài)適宜性及花生種植區(qū)劃的信息，利用地理信息系統(tǒng)平臺(tái)，采用組件式的面向?qū)ο蟮木幊碳夹g(shù)建立融地理信息技術(shù)、數(shù)據(jù)庫、模型技術(shù)及專家系統(tǒng)于一體的花生種植區(qū)劃信息系統(tǒng)；

通過構(gòu)建的花生種植區(qū)劃信息系統(tǒng)用于對(duì)收集、整理花生生態(tài)適宜性及花生種植區(qū)劃的信息進(jìn)行瀏覽、查詢、檢索和輔助決策；

根據(jù)花生種植區(qū)劃信息系統(tǒng)攜帶信息的數(shù)據(jù)屬性的差異，采用基本信息表達(dá)類型模塊27進(jìn)行導(dǎo)出；為行業(yè)主管部門和農(nóng)技推廣部門指導(dǎo)花生布局調(diào)整，穩(wěn)定花生種植規(guī)模提供輔助決策工具。

所述花生種植區(qū)劃信息系統(tǒng)22包括生態(tài)資源模塊23、社會(huì)經(jīng)濟(jì)狀況模塊24、花生品質(zhì)區(qū)劃模塊25、種植區(qū)劃模塊26；所述生態(tài)資源模塊、社會(huì)經(jīng)濟(jì)狀況模塊、花生品質(zhì)區(qū)劃模塊、種植區(qū)劃模塊均與微處理器信號(hào)連接；所述攜帶信息包括生態(tài)資源信息、社會(huì)經(jīng)濟(jì)狀況信息、花生品質(zhì)區(qū)劃信息、種植區(qū)劃信息并分別由生態(tài)資源模塊、社會(huì)經(jīng)濟(jì)狀況模塊、花生品質(zhì)區(qū)劃模塊、種植區(qū)劃模塊生成；所述基本信息表達(dá)類型模塊內(nèi)置在外部設(shè)備上；所述基本信息表達(dá)類型模塊27包括地圖類子模塊28、圖表類子模塊29、表格類子模塊30；所述地圖類子模塊、圖表類子模塊、表格類子模塊均并通過gprs網(wǎng)絡(luò)與無線射頻收發(fā)模塊信號(hào)連接。

下面結(jié)合工作原理對(duì)本發(fā)明的應(yīng)用作進(jìn)一步描述。

該花生種植信息數(shù)據(jù)庫構(gòu)建系統(tǒng)，通過微處理器1、數(shù)據(jù)過濾模塊12和數(shù)據(jù)分析模塊13能對(duì)花生種植信息的原始數(shù)據(jù)進(jìn)行統(tǒng)一篩選、過濾、分析和處理，ram存儲(chǔ)器15、mram存儲(chǔ)器16和數(shù)據(jù)庫17的配合使用可以將數(shù)據(jù)進(jìn)行比對(duì)、采樣和存儲(chǔ)，使得數(shù)據(jù)庫17的信息準(zhǔn)確可靠，提供全面的花生種植信息，避免出現(xiàn)數(shù)據(jù)重復(fù)和丟失的現(xiàn)象，利用外存儲(chǔ)器7通過數(shù)據(jù)更新模塊5可以使得數(shù)據(jù)庫17的信息得到及時(shí)的修改和補(bǔ)充，通過無線射頻收發(fā)模塊18和gprs網(wǎng)絡(luò)19將數(shù)據(jù)庫17的信息發(fā)送到云端存儲(chǔ)器20中進(jìn)行備份，保證數(shù)據(jù)的安全存儲(chǔ)，利用動(dòng)態(tài)模擬器8可以根據(jù)花生種植信息進(jìn)行花生生長的動(dòng)態(tài)模擬，用戶通過輸入裝置6和輸入模塊2將所需要查找的數(shù)據(jù)信息發(fā)送到微處理器1中，微處理器1通過檢索模塊11將所查找的信息通過數(shù)據(jù)輸出模塊10發(fā)送到顯示模塊14中，用戶也可利用外部設(shè)備21通過gprs網(wǎng)絡(luò)19和無線射頻收發(fā)模塊18進(jìn)行遠(yuǎn)程數(shù)據(jù)的調(diào)用，信息驗(yàn)證模塊9用于對(duì)登陸該系統(tǒng)的人員信息進(jìn)行驗(yàn)證，無線射頻收發(fā)模塊18用于接收和發(fā)送無線網(wǎng)絡(luò)信號(hào)，供電模塊3提供電源，計(jì)時(shí)模塊4的使用可在數(shù)據(jù)導(dǎo)入的過程中進(jìn)行時(shí)間的貼標(biāo)，保證數(shù)據(jù)的時(shí)效性。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。