基于加權(quán)支持向量機(jī)的蔬菜安全預(yù)警系統(tǒng)的研究與應(yīng)用.pdf

1、蔬菜安全在社會發(fā)展中具有重要的地位。在蔬菜安全的風(fēng)險預(yù)防上，建立有效的蔬菜安全評估預(yù)測模型是一道重要的堡壘。本文提出了一種基于加權(quán)支持向量機(jī)的蔬菜安全評估預(yù)測的建模方法，進(jìn)而建立蔬菜安全預(yù)警系統(tǒng)。
　　針對蔬菜安全預(yù)警的特點，本文通過研究和對比分析多種評估預(yù)測技術(shù)，如層次分析法、神經(jīng)網(wǎng)絡(luò)等，確定采用支持向量機(jī)（SVM）作為蔬菜安全評估預(yù)測模型的核心算法，以解決蔬菜安全評估中的小樣本、非線性、高維等問題。同時采取加權(quán)策略構(gòu)造加權(quán)支持

2、向量機(jī)應(yīng)用于蔬菜安全評估預(yù)測模型，能夠較好改善標(biāo)準(zhǔn)支持向量機(jī)因不同類別樣本數(shù)目差異而造成的預(yù)測傾向性現(xiàn)象。根據(jù)Likert五點尺度量表和實際調(diào)研，蔬菜安全狀態(tài)分為五類，而支持向量機(jī)為二類分類模型。因此，本文引入了有向無環(huán)圖（DAG-SVMs）多類分類方法，構(gòu)建了蔬菜安全評估預(yù)測的五類分類模型。
　　本文先選取“非常安全”和“非常危險”兩類樣本，及選取六六六、甲拌磷、對硫磷等8個安全指標(biāo)，構(gòu)成菠菜的安全評估預(yù)測模型。再對樣本進(jìn)行數(shù)據(jù)

3、預(yù)處理，即數(shù)據(jù)格式轉(zhuǎn)換和數(shù)據(jù)歸一化處理后，作為支持向量機(jī)的訓(xùn)練樣本。通過對幾種常用的核函數(shù)進(jìn)行試算分析后，本文選擇高斯徑向基核函數(shù)作為蔬菜安全評估預(yù)測模型的核函數(shù)，并利用交叉驗證和網(wǎng)格搜索方法在一定值范圍內(nèi)對懲罰因子c和高斯徑向基核函數(shù)參數(shù)g進(jìn)行組合參數(shù)尋優(yōu)，求得較優(yōu)參數(shù)對（c，g)，并通過“非常安全”和“非常危險”兩類訓(xùn)練樣本的比例，分別為其加權(quán)計算，構(gòu)建出“非常安全”和“非常危險”的二類分類蔬菜安全評估預(yù)測模型。然后，其它如“非常安