التخصص: علوم الحاسب

التخصص الدقيق: Machine Learning

المستخلص: تم التخطيط لهذه الدراسة لتقييم هذه الإجراءات الابتكارية بحيث يمكن العثور على علاقة مهمة من خلال تطبيقاتها على المتغيرات المختلفة الموجودة في قاعدة البيانات. تم تطبيق الإجراءات اثنين مثل Naïve Bayes ، SVM ، Random Forest ، Ada-boost و Bagging في مجال الزراعة. الهدف من هذه الورقة هو إعطاء النماذج التي يمكنها تحديد زراعة نخيل التمر حيث من المحتمل أن يتأثر النمو والإنتاج بسبب عوامل بيئية معاكسة من خلال توفير هيكل لتوقعات تقدير محصول التمر الموثوق بها. تشير النتيجة إلى أن أداء Ada-boost-RF هو الأفضل والدقة 84 ٪ في حين أن RF المتعلم الأساسي جيد أيضًا بنسبة 83 ٪

Abstract: This study has been planned to assess these inventive procedures such that significant relationship can be found by their applications to the various variables present in the data base. The couple of procedures like Naïve Bayes, SVM, Random Forest, Ada-boost and Bagging are applied in the domain of agriculture were presented. The aim of this paper is to give the models that can identify the date palm cultivations where growth and production is likely to get affected due to adverse environmental factors by providing the structure for reliable date crop estimation forecasts. The result shows that the performance of Ada-boost-RF is best and the accuracy is 84% while the base learner RF is also good 83%

الحالة: محكم ومنشور

جهة التحكيم: International Journal of Computer Science and Network Security

دار النشر:

سنة النشر: 2019