首页|基于改进极限学习机的食品安全风险预测研究

基于改进极限学习机的食品安全风险预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了改善食品安全风险预测领域中由于正负样本量差距较大导致对于少数类的样本预测结果不理想的问题,提出一种加权PSO-ELM和贝叶斯人工神经网络两阶段模型.在该模型中,首先通过加权PSO-ELM模型预测食品安全风险;然后,通过在预处理阶段选出的特征字段建立贝叶斯网络,找出各个属性中对食品不合格概率影响最大的属性值,进而对预测结果进行分析.所提出的模型在实际数据集上进行预测和分析,与相关工作相比,在预测准确率和可靠性方面取得有效的改进效果.
Research on food safety risk prediction based on improved extreme learning machine

陈硕峰、石怀明、郭承湘、刘康康、陈宁江

展开 >

广西大学 计算机与电子信息学院,广西 南宁 530004

广西壮族自治区食品药品安全信息与监控中心,广西 南宁 530029

广西中医药大学校长办公室、发展规划处、网络和信息化管理办公室(合署) ,广西 南宁 530200

广西高校并行与分布式计算技术重点实验室,广西 南宁 530004

展开 >

食品安全 极限学习机 粒子群算法 贝叶斯网络 风险分析

国家重点研发计划课题

2017YFC1602005

2021

10.13624/j.cnki.issn.1001-7445.2021.1388

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2021.46(5)
  • 1
  • 4