食品安全数据降维及分类方法研究

发布时间：2021-10-15 11:21

　　随着社会的进步和生活水平的提高,人们对于食品的质量与安全有了越来越高的要求。与此同时,食品安全问题形势十分严峻,成为了人们的热点关注话题。食品安全数据中蕴藏着海量信息,如何利用数据分析和挖掘技术来解决食品安全行业面临的问题,成为了当今研究的重点。然而,食品安全领域发展到现在,数据所呈现的大规模、多种类、高维度等特性,严重影响了相关技术的处理效率。一方面,食品安全数据的“维数灾难”使得分类技术得不到令人满意的结果。另一方面,虽然传统的降维技术实现了降维效果,但降低了低维数据的类别判别能力。为了进一步提高食品安全相关数据的挖掘效率,本文通过研究食品安全数据的降维及分类技术,详细分析了传统降维和分类方法的建模理论以及优缺点,并基于食品安全数据的来源与特征和现有降维及分类技术存在的缺陷与问题,以食品相关数据集为主要研究对象,对食品安全相关数据的降维与分类方法展开研究。本文所做的主要工作总结如下:（1）提出基于互信息可信度的主成分分析降维算法。针对食品安全数据集,传统的主成分分析算法存在耗时太长、降维结果一般及不能满足实际分类要求的问题。通过从不同角度对互信息进行研究,引入互信息综合可信度的思想... 

【文章来源】：郑州轻工业大学河南省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

食品安全数据处理分析关键技术

数据降维处理流程

基于互信息综合可信度的PCA降维处理流程

【参考文献】：
期刊论文
[1]特征选择方法综述[J]. 李郅琴,杜建强,聂斌,熊旺平,黄灿奕,李欢.  计算机工程与应用. 2019(24)
[2]基于大数据视角的肉类食品安全抽检数据分析[J]. 王博,张锴旺,陆逢贵,刘登勇,曹振霞.  食品安全质量检测学报. 2019(18)
[3]食品安全大数据的融合及分类技术综述[J]. 张素智,陈小妮,李鹏辉,杨芮,蔡强.  计算机技术与发展. 2020(02)
[4]食品安全数据分析可视化模型研究[J]. 齐红革,谭亚军,黄琳琳,李伟,张艾蕾,闫茗.  食品安全质量检测学报. 2019(17)
[5]利用PCA进行深度学习图像特征提取后的降维研究[J]. 杨博雄,杨雨绮.  计算机系统应用. 2019(01)
[6]机器学习中的PCA降维方法研究及其应用[J]. 孙平安,王备战.  湖南工业大学学报. 2019(01)
[7]改进的分段主成分分析算法及其在前列腺分割中的应用[J]. 宋建萍,石勇涛.  现代电子技术. 2018(13)
[8]基于信息熵的高维稀疏大数据降维算法研究[J]. 何兴高,李蝉娟,王瑞锦,邓伏虎,刘行.  电子科技大学学报. 2018(02)
[9]消除属性间依赖的C4.5决策树改进算法[J]. 唐耀先,余青松.  计算机应用与软件. 2018(03)
[10]基于“环境-食品-健康”链的食品安全大数据资源规划（英文）[J]. 肖革新,杨冰,李伟.  Journal of Resources and Ecology. 2018(01)

硕士论文
[1]基于双线性概率主成分分析的聚类算法研究[D]. 孙小军.云南财经大学 2018
[2]基于传统特征提取和深度学习方法相结合的基因表达数据降维研究[D]. 郜园园.西安电子科技大学 2018
[3]高维数据降维处理关键技术研究[D]. 李蝉娟.电子科技大学 2017
[4]乳癌病人临床数据的降维处理及生存预测分析[D]. 陈景安.哈尔滨工业大学 2016
[5]进出口食品风险管理系统研究、设计与开发[D]. 沈进昌.浙江大学 2012



本文编号：3437942