基于贝叶斯网络的肉制品质量安全预警模型研究
符号说明 | 第5-6页 |
中文摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
1 前言 | 第11-17页 |
1.1 课题研究背景 | 第11-13页 |
1.2 课题研究意义 | 第13-14页 |
1.3 课题研究来源 | 第14页 |
1.4 研究内容与技术路线 | 第14-15页 |
1.4.1 研究内容 | 第14页 |
1.4.2 技术路线 | 第14-15页 |
1.5 论文框架 | 第15-17页 |
2 国内外食品安全研究现状 | 第17-20页 |
2.1 食品安全风险预警系统简介 | 第17页 |
2.2 食品安全风险预警研究现状 | 第17-19页 |
2.3 我国目前食品安全风险预警困境 | 第19-20页 |
3 相关理论知识 | 第20-27页 |
3.1 相关概念简介 | 第20-22页 |
3.1.1 肉制品 | 第20页 |
3.1.2 食品安全 | 第20-21页 |
3.1.3 预警 | 第21-22页 |
3.1.4 熵值法 | 第22页 |
3.2 风险预警方法简介 | 第22-27页 |
3.2.1 层次分析法 | 第22-24页 |
3.2.2 支持向量机 | 第24-25页 |
3.2.3 BP神经网络 | 第25-26页 |
3.2.4 决策树 | 第26页 |
3.2.5 关联规则 | 第26-27页 |
4 模型构建 | 第27-31页 |
4.1 贝叶斯网络 | 第27-29页 |
4.1.1 贝叶斯网络简介 | 第27-28页 |
4.1.2 贝叶斯网络构建 | 第28-29页 |
4.1.3 贝叶斯网络敏感性分析 | 第29页 |
4.2 风险度指标 | 第29-30页 |
4.3 肉制品安全风险预警指标 | 第30-31页 |
5 模型应用 | 第31-64页 |
5.1 研究材料 | 第31页 |
5.2 数据处理 | 第31-41页 |
5.2.1 数据示例 | 第31-33页 |
5.2.2 数据预处理 | 第33-34页 |
5.2.3 建立贝叶斯网络数据集 | 第34-41页 |
5.3 结果 | 第41-64页 |
5.3.1 单因素分析 | 第41-45页 |
5.3.2 抽检不合格率的地理特征 | 第45-49页 |
5.3.3 贝叶斯网络学习 | 第49-54页 |
5.3.4 贝叶斯网络验证 | 第54-55页 |
5.3.5 敏感性分析 | 第55-57页 |
5.3.6 概率推理 | 第57-64页 |
6 讨论与建议 | 第64-67页 |
6.1 讨论 | 第64-65页 |
6.2 建议 | 第65-67页 |
7 结论与展望 | 第67-69页 |
7.1 结论 | 第67页 |
7.2 展望 | 第67-69页 |
参考文献 | 第69-73页 |
文献综述 | 第73-87页 |
参考文献 | 第83-87页 |
致谢 | 第87-88页 |
硕士期间发表的论文 | 第88页 |