近些年糧食供應(yīng)鏈安全問題頻發(fā),為減少食源性風(fēng)險(xiǎn)威脅,風(fēng)險(xiǎn)預(yù)警正逐漸成為強(qiáng)化糧食食品安全體系的有力保障。但現(xiàn)有風(fēng)險(xiǎn)預(yù)警方法在面對(duì)多源異構(gòu)非結(jié)構(gòu)化食品數(shù)據(jù)時(shí),存在預(yù)警準(zhǔn)確率低、人工成本高等局限問題。本文在分析全國26個(gè)省份的大量抽檢數(shù)據(jù)及關(guān)聯(lián)信息基礎(chǔ)上,建立了基于深度置信網(wǎng)絡(luò)（deep belief network,DBN）-多類模糊支持向量機(jī)（multiclass fuzzy support vector machine,MFSVM）的風(fēng)險(xiǎn)分級(jí)預(yù)警模型,先對(duì)海量糧食供應(yīng)鏈抽檢數(shù)據(jù)進(jìn)行嵌入編碼和歸一化處理,獲得結(jié)構(gòu)化食品數(shù)據(jù);將其輸入到DBN模型進(jìn)行高維度特征提取,自適應(yīng)地挖掘供應(yīng)鏈中各危害因素間風(fēng)險(xiǎn)變化及內(nèi)在關(guān)聯(lián)概率,最后將高維特征輸入到優(yōu)化的MFSVM進(jìn)行訓(xùn)練,實(shí)現(xiàn)供應(yīng)鏈中各主要危害物風(fēng)險(xiǎn)分級(jí)預(yù)警。對(duì)比實(shí)驗(yàn)結(jié)果表明,DBN-MFSVM模型在糧食抽檢數(shù)據(jù)上具有更好魯棒性和泛化性,其準(zhǔn)確率達(dá)到98.44%,運(yùn)行時(shí)間85 s,可快速識(shí)別出糧食供應(yīng)鏈中危害物風(fēng)險(xiǎn)程度和優(yōu)先次序,為監(jiān)管部門制定有針對(duì)性的抽檢策略、確立優(yōu)先監(jiān)管領(lǐng)域和分配風(fēng)險(xiǎn)監(jiān)管資源提供科學(xué)依據(jù)。 

【文章來源】：食品科學(xué). 2020,41(19)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

DBN-MFSVM模型

為進(jìn)一步說明本實(shí)驗(yàn)方法在預(yù)警應(yīng)用上的魯棒性，對(duì)比DBN和BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)集上的損失函數(shù)變化趨勢(shì)，以訓(xùn)練過程中的損失函數(shù)值為縱坐標(biāo)，以訓(xùn)練過程中向前迭代次數(shù)為橫坐標(biāo)，得到圖2。圖2中，損失函數(shù)值越小，表明模型的魯棒性越好，可以看出在迭代訓(xùn)練過程中，3個(gè)模型的損失函數(shù)值呈下降趨勢(shì)，均穩(wěn)定了100次迭代。其中，DBN-MFSVM模型的損失函數(shù)值下降最快，最終損失函數(shù)下降到0.016 2左右，表明該方法具有較強(qiáng)的穩(wěn)定性能。而變化最慢的是BP神經(jīng)網(wǎng)絡(luò)損失函數(shù)，只降至0.306 2左右，性能遠(yuǎn)低于本實(shí)驗(yàn)?zāi)Ｐ�。為進(jìn)一步對(duì)比說明，從測試數(shù)據(jù)中隨機(jī)選取100個(gè)樣本進(jìn)行分析，繪制DBN-MFSVM、DBN和BP的誤差曲線（圖3)

圖2中，損失函數(shù)值越小，表明模型的魯棒性越好，可以看出在迭代訓(xùn)練過程中，3個(gè)模型的損失函數(shù)值呈下降趨勢(shì)，均穩(wěn)定了100次迭代。其中，DBN-MFSVM模型的損失函數(shù)值下降最快，最終損失函數(shù)下降到0.016 2左右，表明該方法具有較強(qiáng)的穩(wěn)定性能。而變化最慢的是BP神經(jīng)網(wǎng)絡(luò)損失函數(shù)，只降至0.306 2左右，性能遠(yuǎn)低于本實(shí)驗(yàn)?zāi)Ｐ�。為進(jìn)一步對(duì)比說明，從測試數(shù)據(jù)中隨機(jī)選取100個(gè)樣本進(jìn)行分析，繪制DBN-MFSVM、DBN和BP的誤差曲線（圖3)由圖3可知，本實(shí)驗(yàn)方法的誤差范圍在0.10～-0.05之間，變化幅度較小，模型對(duì)不同樣本的分類準(zhǔn)確率較高，且整體呈現(xiàn)穩(wěn)定趨勢(shì)。而其他方法則存在較大誤差波動(dòng)，意味對(duì)比方法在面對(duì)食品數(shù)據(jù)的分析預(yù)警時(shí)，容易出現(xiàn)誤報(bào)錯(cuò)報(bào)的行為。


本文編號(hào)：3126590