| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题的研究背景与意义 | 第11页 |
| 1.2 国内外研究发展现状 | 第11-14页 |
| 1.2.1 冷链物流的发展现状 | 第11-12页 |
| 1.2.2 食品安全预警的研究现状 | 第12-13页 |
| 1.2.3 支持向量机的研究现状 | 第13-14页 |
| 1.3 论文研究工作及创新点 | 第14-16页 |
| 1.3.1 论文研究主要内容和方法 | 第14-15页 |
| 1.3.2 论文框架结构 | 第15-16页 |
| 1.4 本章小节 | 第16-17页 |
| 2 农产品冷链物流预警的理论基础 | 第17-31页 |
| 2.1 冷链物流中农产品质量安全问题的成因 | 第17-19页 |
| 2.1.1 影响农产品质量安全的内因 | 第17页 |
| 2.1.2 影响农产品质量安全的环境因素 | 第17-18页 |
| 2.1.3 影响农产品质量安全的物流因素 | 第18-19页 |
| 2.2 农产品安全预警原理 | 第19-20页 |
| 2.3 预警的方法 | 第20-30页 |
| 2.3.1 BP神经网络 | 第20-23页 |
| 2.3.2 支持向量机 | 第23-28页 |
| 2.3.3 自适应变异粒子群算法 | 第28-30页 |
| 2.4 本章小节 | 第30-31页 |
| 3 农产品冷链物流安全预警指标体系 | 第31-41页 |
| 3.1 预警指标体系的建立原则 | 第31页 |
| 3.2 预警指标体系的构建 | 第31-35页 |
| 3.2.1 果蔬产品预警指标 | 第32-33页 |
| 3.2.2 肉制品预警指标 | 第33-34页 |
| 3.2.3 乳制品预警指标 | 第34-35页 |
| 3.3 指标权重的确立 | 第35-39页 |
| 3.4 本章小节 | 第39-41页 |
| 4 农产品冷链物流安全预警模型建立 | 第41-59页 |
| 4.1 指标预处理 | 第41-42页 |
| 4.2 基于BP神经网络的预警模型 | 第42-43页 |
| 4.3 基于SVM的预警模型 | 第43-44页 |
| 4.4 基于参数优化后的SVM预警模型 | 第44-46页 |
| 4.4.1 交叉验证法优化支持向量机参数 | 第44-46页 |
| 4.4.2 自适应变异粒子群算法优化支持向量机参数 | 第46页 |
| 4.5 模型实证 | 第46-58页 |
| 4.5.1 默认参数下不同核函数寻优结果 | 第49-51页 |
| 4.5.2 ALMPSO优化SVM算法的预警结果及分析 | 第51-53页 |
| 4.5.3 与传统优化算法的结果对比分析 | 第53-58页 |
| 4.6 本章小节 | 第58-59页 |
| 5 农产品冷链物流安全预警追溯系统的设计 | 第59-71页 |
| 5.1 系统开发概述 | 第59-60页 |
| 5.1.1 Java Web技术简介 | 第59-60页 |
| 5.1.2 后台数据库支持——SQL Server2008 | 第60页 |
| 5.2 需求分析 | 第60-61页 |
| 5.3 系统设计 | 第61-62页 |
| 5.3.1 系统目标 | 第61页 |
| 5.3.2 系统设计思路 | 第61-62页 |
| 5.3.3 系统功能结构 | 第62页 |
| 5.3.4 系统开发环境 | 第62页 |
| 5.4 数据库设计 | 第62-66页 |
| 5.4.1 E-R图 | 第62-64页 |
| 5.4.2 数据库表的设计 | 第64-66页 |
| 5.5 系统实现 | 第66-69页 |
| 5.5.1 系统登录模块 | 第66页 |
| 5.5.2 追溯信息管理模块 | 第66-67页 |
| 5.5.3 追溯信息查询模块 | 第67页 |
| 5.5.4 预警信息模块 | 第67-68页 |
| 5.5.5 其他功能模块 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 6 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间发表的学术论文目录 | 第79-81页 |
