基于机器学习的食品安全情报研判技术研究

发布时间：2024-07-04 23:05

　　近年来频发的食品安全风险事件对我国食品安全事业的发展带来了巨大的压力,当下有关食品安全的情报分析以及研判预警已经成为食品安全监督、管理的关键环节,合理的防控机制可以有效提高食品安全的整体态势。在信息高速交互的时代,数据来源主要趋向于网络化和数字化,数据结构也变得复杂多样,数据之间的关联性尤为隐蔽而不易觉察。面对错综复杂的食品海量数据信息,传统的情报研判技术已经无法满足其需求,因此本文运用机器学习等方法构建智能化的食品安全情报研判模型,从而提高食品监管部门对食品安全的情报研判能力。首先,利用关联规则、BP神经网络等机器学习方法,通过分析大量的食品抽检数据,建立适用于不同食品安全问题场景下的情报分析模型。利用Hash技术改进关联规则算法对食品抽检数据属性进行关联碰撞分析,使其挖掘出三个不同场景下,食品安全抽检数据中潜在的情报规则,并通过分析相应的情报制定对应的行动措施,对食品安全的监督管理工作具有重要的指导意义;利用BP神经网络方法,学习肉类食品属性信息与检测结果之间的内在联系,从而预测食品的质量状态,并将预测结果作为食品安全抽检工作的先验情报,可以辅助监管部门制定有效的食品安全抽检计划,...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图2-1情报、信息、数据的联系

第二章基本理论及方法概述14图2-1情报、信息、数据的联系情报研判的流程和方法主要是指运用科学严谨的研究方法,对各种情报线索、零散脱节信息进行深度加工整理与关联,产生一个预测性或判定性结果的过程，围绕人员、物品、事端、形势等主线进行深入关联碰撞和分析研究,以发现获取情报。情报研判....

图2-2情报研判的流程

第二章基本理论及方法概述14图2-1情报、信息、数据的联系情报研判的流程和方法主要是指运用科学严谨的研究方法,对各种情报线索、零散脱节信息进行深度加工整理与关联,产生一个预测性或判定性结果的过程，围绕人员、物品、事端、形势等主线进行深入关联碰撞和分析研究,以发现获取情报。情报研判....

图2-3机器学习、深度学习、知识图谱的联系

第二章基本理论及方法概述152.3机器学习方法2.3.1机器学习的领域范畴机器学习本质是利用计算机来模拟人脑思维运算的过程，并将收集来的大量数据信息作为模型学习对象，根据数据间的映射关系可以挖掘某种隐含的规律，这种映射规律可以作为模型对未知数据进行预测。其算法流程主要为：“数据预....

图2-4Apriori算法流程图

第二章基本理论及方法概述18图2-4Apriori算法流程图2.3.3BP神经网络（1）BP神经网络原理BP神经网络是以人类大脑神经元信息传递模型建立的，模型的每一层都含有大量的神经元，每个神经元节点都代表一种特定输出状态下的激活函数。模型通过对输入端的信息进行正向传递，并利用误....

本文编号：4000668