农业本体是农业领域知识概念化的规范说明,对农业领域内知识概念的共享和一致性理解具有极大地推动作用。农业知识概念常伴随着不确定性,基于云理论中的单个云来处理这种不确定性,既无法发掘出更泛化、更系统、更高支持度的一般性农业知识,又无法体现农业本体自身的层次结构。因此,研究如何将农业本体知识概念从较低层次抽象到更高层次上表达显得尤为重要。本文针对单个云所表征的农业本体知识抽象度不足性,以黄山茶园气象数据为实例,主要解决农业本体知识在表征过程中两个关键性问题——农业本体知识的原子概念云提取问题和农业本体知识的原子概念云综合问题。改进了现有原子概念云提取方法的不足之处,提出了新的云综合准则和无散化的云综合方法,开发了农业本体知识云综合系统。论文主要研究工作如下:(1)改进了基于逆向云的农业本体知识原子概念提取方法。对云理论中有确定度和无确定度的逆向云算法中存在的缺陷,提出了以列文伯格-马夸尔特(LM)曲线拟合的方式改进有确定度逆向原子概念云提取过程,以及利用统计思想改进无确定度逆向云原子概念提取的过程,并验证了改进后方法的有效性。(2)优化了基于云变换的农业本体知识原子概念提取方法。给出了使用K-Means++聚类的优化方式,为农业本体知识原子概念提取提供优化后的先验信息,降低了整个过程的迭代次数,提升了算法的性能。根据农业本体知识中具体实例选择恰当的原子概念云提取算法,完成从定量到定性概念的转换。(3)提出了新的云综合准则和无散化的云综合方法。在传统的以云贴近度为合并准则的基础上,提出了通过云重心位置和云贴近度共同决定的新综合准则。针对农业本体知识原子概念云进行综合过程中出现的散化现象,提出一种无散化的农业本体知识云综合方法,并对比实验方式验证了所提出方法的正确性和有效性。(4)开发了农业本体知识云综合系统。在Web Flask框架下,利用Python语言集成开发完成了农业本体知识云综合系统,实现了论文中提出的方法。系统从功能上设计了对数据的导入、农业本体知识原子概念云提取以及农业本体知识云综合模块,为用户提供直观表达和交互式界面。本文基于农业本体知识云综合的方法研究,旨在为建立和服务现代农业知识模型提供新途径,具有一定的理论研究价值和实际应用意义。