基于深度置信网络-多类模糊支持向量机的粮食供应链危害物风险预警

• 作者: 孔建磊 李柳生 王小艺 白玉廷 苏婷立 金学波
• 来源期刊: 食品科学
• 学科: 工学
• 关键词: 粮食供应链安全 风险预警 深度置信网络 多类模糊支持向量机
• 年，卷（期）: 2020,（19）
• 所属期刊栏目: 基础研究
• 页码范围: 17-24
• 页数: 8页
• 分类号: TS210.1|TP183
• 语种: 中文
• DOI: 10.7506/spkx1002-6630-20190916-205

摘要

近些年粮食供应链安全问题频发,为减少食源性风险威胁,风险预警正逐渐成为强化粮食食品安全体系的有力保障.但现有风险预警方法在面对多源异构非结构化食品数据时,存在预警准确率低、人工成本高等局限问题.本文在分析全国26个省份的大量抽检数据及关联信息基础上,建立了基于深度置信网络(deep belief network,DBN)-多类模糊支持向量机(multiclass fuzzy support vector machine,MFSVM)的风险分级预警模型,先对海量粮食供应链抽检数据进行嵌入编码和归一化处理,获得结构化食品数据;将其输入到DBN模型进行高维度特征提取,自适应地挖掘供应链中各危害因素间风险变化及内在关联概率,最后将高维特征输入到优化的MFSVM进行训练,实现供应链中各主要危害物风险分级预警.对比实验结果表明,DBN-MFSVM模型在粮食抽检数据上具有更好鲁棒性和泛化性,其准确率达到98.44％,运行时间85 s,可快速识别出粮食供应链中危害物风险程度和优先次序,为监管部门制定有针对性的抽检策略、确立优先监管领域和分配风险监管资源提供科学依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小艺		108	815	13.0	24.0
2	苏婷立		6	5	1.0	2.0
3	白玉廷		3	6	1.0	2.0
4	孔建磊		5	4	1.0	2.0
5	金学波		6	7	2.0	2.0
6	李柳生		1	0	0.0	0.0