基于极限学习机的肉制品质量风险预测研究

论文摘要

食品质量风险预警是民生保障中的重大问题,针对目前常用预警方法存在训练时间过长、精确度低等问题,提出了一种基于极限学习机(ELM)的重点食品安全风险预警模型。首先对国家食品安全抽检检测信息系统中肉制品的抽样检验数据进行预处理,从中提取特征数据并进行属性选择;其次,分别建立ELM和核极限学习机(KELM)下的重点食品安全风险预警模型,对分类特征数据进行分析,进而得出预警结果;最后,与采用back propagation(BP)神经网络,支持向量机(svm)所预警得出的结果进行对比,实验结果表明基于核极限学习机的食品安全风险预警模型在准确度与训练时间上都优于其他预警模型,对食品安全能够进行更有效预测,提升了食品安全质量监管的工作效率。

论文目录

• 1 引言
• 2 质量风险特征分析
•   2.1 食品特征风险
•   2.2 数据预处理
•   2.3 属性选择
• 3 基于ELM和KELM的质量风险预警模型
• 4 实验结果与分析
•   4.1 实验数据
•   4.2 对比实验
•   4.3 参数对比
•   4.4 最终结果与分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 汪颢懿,卞玉芳,张瑞芳,王星云

关键词: 食品安全,极限学习机,核极限学习机,预测,预警模型

来源: 计算机仿真 2019年10期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 轻工业手工业,自动化技术

单位: 北京工商大学网络中心,农产品质量安全追溯技术及应用国家工程实验室,环境保护部核与辐射安全中心,北京工商大学计算机与信息工程学院

基金: 国家重点研发计划项目(2016YFD0401205)

分类号: TS251.7;TS201.6;TP181

页码: 413-418

总页数: 6

文件大小: 442K

下载量: 145