文献类型：期刊文章

作　　者：陈硕峰[1] 石怀明[2] 郭承湘[3] 刘康康[1] 陈宁江[1,4]

CHEN Shuo-feng;SHI Huai-ming;GUO Cheng-xiang;LIU Kang-kang;CHEN Ning-jiang(School of Computer, Electronics and Information, Guangxi University, Nanning 530004, China;Guangxi Zhuang Autonomous Region Food and Drug Safety Information and Monitoring Center, Nanning 530029, China;Headmaster’s Office, Department of Development and Planning and Office of Network and Information Management (Joint), Guangxi University of Chinese Medicine, Nanning 530200, China;Guangxi Colleges and Universities Key Laboratory of Parallel and Distributed Computing Technology, Nanning 530004, China)

机构地区：[1]广西大学计算机与电子信息学院,广西南宁530004 [2]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 [3]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 [4]广西高校并行与分布式计算技术重点实验室,广西南宁530004

出　　处：《广西大学学报（自然科学版）》

基　　金：国家重点研发计划课题项目(2017YFC1602005)。

年　　份：2021

卷　　号：46

期　　号：5

起止页码：1388-1395

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：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。

关 键 词：食品安全 极限学习机 粒子群算法 贝叶斯网络 风险分析

分 类 号：TP391]