• 首页
  • 期刊简介
  • 编委会
  • 投稿指南
  • 收录情况
  • 杂志订阅
  • 联系我们
引用本文:游清顺,王建新,张秀宇,罗 曦.基于支持向量机的食品安全抽检数据分析方法[J].软件工程,2019,22(2):29-31.【点击复制】
【打印本页】   【下载PDF全文】   【查看/发表评论】  【下载PDF阅读器】  
←前一篇|后一篇→ 过刊浏览
分享到: 微信 更多
基于支持向量机的食品安全抽检数据分析方法
游清顺,王建新,张秀宇,罗 曦1,2
1.(1.北京林业大学信息学院,北京 100083;2.
2.贵州省分析测试研究院,贵州 贵阳 550000)
摘 要: 本文通过实验对比了逻辑回归、决策树、人工神经网络和支持向量机等方法在分析抽检数据中的表现。 结果表明,支持向量机的预测准确率最高。该方法及相应软件系统能够为未来的抽检计划制定提供决策依据,在有限的 抽检成本和时间花费的条件限制下,能更多地暴露食品安全中的问题,从而提升食品安全和食品质量。
关键词: 食品安全;抽检数据;支持向量机;数据挖掘
中图分类号: TP311.5    文献标识码: A
基金项目: 大学生创新计划(X201810022128);国家重点研发计划(2018YFC1603302).
SVM-Based Analysis on Food Safety Sampling and Inspection Data
YOU Qingshun,WANG Jianxin,ZHANG Xiuyu,LUO Xi1,2
1.( 1.School of Information, Beijing Forestry University, Beijing 100083, China;2.
2.Guizhou Academy of Testing and Analysis, Guiyang 550000, China)
Abstract: By means of experiments,this paper compares the performances of logistic regression,decision tree,artificial neural network,and support vector machine in the analysis of sampling data.The results show that support vector machine has the highest prediction accuracy.This method and the corresponding software system can provide decision-making basis for the future sampling plan,expose more problems in food safety,and thus promote food safety and quality.
Keywords: food safety;sampling and inspection data;support vector machine;data mining


版权所有:软件工程杂志社
地址:辽宁省沈阳市浑南区新秀街2号 邮政编码:110179
电话:0411-84767887 传真:0411-84835089 Email:semagazine@neusoft.edu.cn
备案号:辽ICP备17007376号-1
技术支持:北京勤云科技发展有限公司

用微信扫一扫

用微信扫一扫