本体——共享概念的明确的形式化规范说明,近年来受到信息科学领域学者的普遍亲睐,被广泛应用于知识工程、信息处理、自然语言理解及语义Web中。本体可以实现知识的共享和重用,使得计算机对信息的理解上升到语义层次,并能在一定程度上解决语义异构问题。然而,现有的领域本体构建技术,无法形式化表达领域知识存在的不确定性。因此,为了构建出更加客观、准确、有效的本体模型,有必要研究领域不确定性本体知识的形式化表达的理论和模型。本研究针对农业领域不确定性本体知识建模中,存在的属性冗余和不确定性的形式化表示问题,重点解决农业领域云本体建模中的两个关键问题——农业领域本体知识的云维度优选问题,农业领域本体知识的云表示问题,提出了农业领域本体知识云维度优选的理论和方法,并开发了农业领域本体知识的云维度优选原型系统。论文研究的主要内容及取得的成果如下:1研究了农业领域本体知识的云维度优选方法。设计了一种混合模型用来实现云维度的优选。该模型使用聚类算法为属性数据加类别标签,以简化的相关-冗余分析(Filter Model)策略对属性进行排序,形成属性有序序列,再以有序序列生成属性子集,进行子集分类有效性测试(Wrapper Model),选取分类效果最好的子集,即为有效的云维度信息,实现了农业领域本体知识的属性数据的特征选择。并且,模型采用了初始聚类中心优化准则,确定最佳聚类数的DB-index准则,进一步增强了稳定性。2提出了农业领域本体知识的云表示方法。该方法基于云变换算法提取农业领域本体概念,概念合并算法获得概念的层次关系,实现不确定性本体知识属性数据的云表示。并对传统云变换算法中熵的估算步骤过于复杂的问题进行了优化,提高了算法的效率。最后,以黄山地区茶园气象数据为例,验证了方法的可行性。3开发了农业领域本体知识云维度优选原型系统。基于Matlab平台,开发了农业领域本体知识云维度优选原型系统,实现了农业领域本体知识的云维度优选和云表示功能,即完成了从农业领域数据空间到特征空间再到概念空间的转化,并以实例验证了研究中所提出方法和技术的有效性。论文研究成果对于农业领域本体知识云维度优选理论和方法的深入研究,构建更加简洁明晰的本体模型,进一步建立基于农业领域本体的知识库,实现不确定性农业领域知识的共享和重用,具有一定的研究价值和实际意义。