收藏本站
《北京工业大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的农产品生产关键控制点发现研究

王开义  
【摘要】:支持向量机(Support Vector Machine,简称:SVM)是人工智能科学的前沿技术,基于HACCP体系的农产品安全生产智能化决策研究在国内外尚处于起步阶段。本文首次采用人工智能技术解决农产品生产过程中的关键控制点发现问题,创新性地将SVM方法应用于危害分析与关键控制点发现(Hazard Analysis and Critical Control Points,简称:HACCP)体系的关键控制点发现问题研究,并在SVM算法改良与优化方面进行了一些研究工作,提出了遗传算法优化SVM模型和增量SVM模型,为HACCP关键控制点的智能发现提供了一些有价值的研究成果。 本文的主要研究内容与创新点包括: 1.首次采用SVM方法进行HACCP关键控制点智能发现研究。采用加权SVM方法构建支持向量分类机模型,并对关键控制点分类试验结果进行了分析与评价。(第3章) 2.针对SVM模型的参数选取问题进行了创新性的研究工作,提出了一种遗传算法优化的SVM方法。SVM核函数参数和误差惩罚因子C的选取由于没有明确的理论指导,多数是通过人工试验选取,往往产生局部最优解问题。本文采用遗传算法获得全局最优的核函数参数和误差惩罚因子C,并在鲜切蔬菜加工领域的关键控制点发现进行了试验验证。(第4章) 3.针对新增样本导致SVM训练速度下降问题,提出了一种增量学习型SVM方法。采用条件正定核函数简化计算核空间中两个样本间的距离,进而选择相对边界向量集合作为初始样本训练集,然后再实现增量样本学习。在保证算法精度的同时,提高了模型的训练速度,并进行了实例验证。(第5章) 4.采用模糊故障树方法和人工神经网络方法进行关键控制点分类试验,并与SVM方法的试验结果进行对比评价,讨论了各种分类模型的评价方法。(第6章) 本文采用SVM技术解决HACCP关键控制点发现问题,为突破农产品生产智能化控制作出了探索性的贡献,同时也丰富和拓展了支持向量机方法的应用范围。本文研究成果集成应用于国内第一个具有自主知识产权的HACCP管理软件easyHACCP~(?),成为该软件产品的主要亮点之一。
【关键词】:支持向量机 模糊故障树 关键控制点 HACCP
【学位授予单位】:北京工业大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP391.41
【目录】:
  • 摘要4-5
  • Abstract5-10
  • 第1章 绪论10-26
  • 1.1 研究内容的意义10-14
  • 1.1.1 农产品安全生产关键控制点发现的意义10-12
  • 1.1.2 关键控制点发现是HACCP 应用的核心问题12-13
  • 1.1.3 支持向量机是机器学习领域的研究热点13-14
  • 1.2 国内外研究现状14-20
  • 1.2.1 关键控制点发现技术的研究现状14-15
  • 1.2.2 支持向量机的研究应用现状15-16
  • 1.2.3 国外HACCP 信息化的研究现状16-18
  • 1.2.4 国内HACCP 信息化的发展现状18-20
  • 1.3 论文的主要研究内容及课题来源20-24
  • 1.3.1 论文的主要研究内容20-21
  • 1.3.2 论文课题来源21-23
  • 1.3.3 论文支持课题的主要研究成果23-24
  • 1.4 本章小结24-26
  • 第2章 统计学习理论与支持向量机26-50
  • 2.1 统计学习理论的基本原理26-31
  • 2.1.1 统计学习理论的发展简述26-28
  • 2.1.2 统计学习理论的基本内容28-31
  • 2.2 支持向量机的基本原理31-38
  • 2.2.1 最优超平面31-32
  • 2.2.2 线性可分情况下的最优分类超平面32-34
  • 2.2.3 线性不可分情况下的最优分类超平面34-36
  • 2.2.4 非线性支持向量机36-37
  • 2.2.5 核函数37-38
  • 2.3 支持向量机分类方法的基本理论38-41
  • 2.3.1 分类问题的一般描述38
  • 2.3.2 支持向量机的训练38-41
  • 2.4 模型选择与核函数的研究41-42
  • 2.5 支持向量机的突出优点42
  • 2.6 支持向量机算法及其变形42-48
  • 2.6.1 C-SVM 算法及其变形算法43-44
  • 2.6.2 v ? SVM 算法及其变形算法44-46
  • 2.6.3 W-SVM(weighted SVM)算法46-47
  • 2.6.4 LS-SVM 算法47-48
  • 2.7 支持向量机的应用研究现状48
  • 2.8 本章小结48-50
  • 第3章 基于加权SVM 的关键控制点发现研究50-58
  • 3.1 农产品安全生产关键控制点分类的需求分析50-51
  • 3.2 支持向量机算法的实现51-54
  • 3.2.1 经典支持向量机分类算法51-52
  • 3.2.2 加权支持向量分类算法52-54
  • 3.3 应用试验与结果分析54-57
  • 3.4 本章小结57-58
  • 第4章 基于遗传算法优化SVM 的关键控制点发现研究58-68
  • 4.1 SVM 参数选取问题分析58-59
  • 4.2 模型参数对SVM 性能的影响59-60
  • 4.2.1 核函数参数的影响59-60
  • 4.2.2 误差惩罚因子C 的影响60
  • 4.3 遗传算法优化支持向量机算法的实现60-65
  • 4.3.1 遗传算法60-63
  • 4.3.2 确定支持向量机参数的搜索区间63-64
  • 4.3.3 遗传算法优化支持向量机参数的迭代步骤64-65
  • 4.4 应用试验与结果分析65-66
  • 4.5 本章小结66-68
  • 第5章 基于支持向量机增量学习的关键控制点发现研究68-74
  • 5.1 支持向量机增量学习算法的提出68-69
  • 5.2 支持向量机增量学习算法的实现69-72
  • 5.3 应用试验与结果分析72-73
  • 5.4 本章小结73-74
  • 第6章 其他关键控制点发现方法研究74-88
  • 6.1 人工神经网络算法74-79
  • 6.2 人工神经网络试验结果分析79-80
  • 6.3 模糊故障树算法80-82
  • 6.4 模糊故障树试验结果分析82-84
  • 6.5 去模糊化故障树算法84-85
  • 6.6 本章小结85-88
  • 结论与展望88-92
  • 参考文献92-100
  • 攻读博士学位期间所发表的学术论文100-101
  • 致谢101

【参考文献】
中国期刊全文数据库 前10条
1 李凯,黄厚宽;支持向量机增量学习算法研究[J];北方交通大学学报;2003年05期
2 郭辉;徐浩军;刘凌;;基于回归型支持向量机的空战目标威胁评估[J];北京航空航天大学学报;2010年01期
3 汪廷华;田盛丰;黄厚宽;;特征加权支持向量机[J];电子与信息学报;2009年03期
4 杨旭,纪玉波,田雪;基于遗传算法的SVM参数选取[J];辽宁石油化工大学学报;2004年01期
5 杨建磊;朱拓;徐岩;范文来;武浩;;基于最小二乘支持向量机算法的三维荧光光谱技术在中国白酒分类中的应用[J];光谱学与光谱分析;2010年01期
6 李忠伟,张健沛,杨静;基于支持向量机的增量学习算法研究[J];哈尔滨工程大学学报;2005年05期
7 曹巍;赵英凯;高世伟;;基于模糊核聚类的多类支持向量机[J];化工学报;2010年02期
8 朱家元;陈开陶;张恒喜;;最小二乘支持向量机算法研究[J];计算机科学;2003年07期
9 李刚;苗夺谦;王睿智;;一种基于粗糙遗传算法的缩放模式双聚类分析方法[J];计算机科学;2010年01期
10 申广荣,黄丹枫;基于HACCP的出口蔬菜安全生产智能决策支持系统研究[J];农业网络信息;2005年11期
中国博士学位论文全文数据库 前3条
1 汪辉;增量型支持向量机回归训练算法及在控制中的应用[D];浙江大学;2006年
2 陶吉利;基于DNA计算的遗传算法及应用研究[D];浙江大学;2007年
3 汪廷华;支持向量机模型选择研究[D];北京交通大学;2010年
中国硕士学位论文全文数据库 前3条
1 余祖龙;基于WEB的浓缩苹果汁HACCP质量控制与信息管理系统的研究与设计[D];西北农林科技大学;2004年
2 徐义田;支持向量回归算法的研究及其在食物安全中的应用[D];中国农业大学;2005年
3 禹文龙;HACCP在UHT乳生产中的应用及CCPs信息的计算机管理[D];中国农业大学;2005年
【共引文献】
中国期刊全文数据库 前10条
1 熊伟,吴敏哲;形态优化张弦桁架预应力设计研究[J];四川建筑科学研究;2005年05期
2 邓建斌;叶洪江;;基于混沌遗传算法的配电网无功补偿优化[J];安徽电气工程职业技术学院学报;2006年03期
3 乔志杰;程翠翠;;基于遗传算法优化的模糊PID控制研究及其仿真[J];安徽电气工程职业技术学院学报;2009年03期
4 徐文婷;李承鹏;;基于自适应遗传算法的离散化方法[J];合肥师范学院学报;2011年03期
5 安振刚,李谋渭,尹显东,于宁,唐伟;遗传神经网络在平整轧制力预报中的应用[J];鞍钢技术;2001年06期
6 华文立;胡学刚;;平衡决策树分类精度与规则简易性研究[J];安徽电子信息职业技术学院学报;2006年04期
7 马友平;;生长模型McDill-Amateis的遗传算法拟合研究[J];安徽农业科学;2007年33期
8 吴金华;戴淼;尹剑;;基于遗传神经网络的陕西省土地利用结构模型研究[J];安徽农业科学;2008年36期
9 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
10 陆克芬;方崇;张春乐;;基于人工鱼群算法的投影寻踪评价方法研究[J];安徽农业科学;2009年23期
中国重要会议论文全文数据库 前10条
1 齐继阳;竺长安;曾议;;基于遗传禁忌混合搜索算法的设备布局研究[A];2004“安徽制造业发展”博士科技论坛论文集[C];2004年
2 程学进;董玉革;;基于离散模糊事件隶属函数的模糊可靠性分析[A];2004“安徽制造业发展”博士科技论坛论文集[C];2004年
3 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
4 谭天晓;李红霞;;液体推进剂贮运可靠性评估及预测的模糊故障树方法研究[A];全国危险物质与安全应急技术研讨会论文集(下)[C];2011年
5 丁婷;崔红涛;;遗传算法在智能天线扇区波束赋形及阵元失效补偿中的应用[A];经济策论(上)[C];2011年
6 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
7 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
8 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
9 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
10 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 张杏莉;几何约束求解关键问题研究[D];山东科技大学;2010年
2 樊建聪;分布估计学习算法研究[D];山东科技大学;2010年
3 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
4 李佳;载人潜器阻力性能的数值和试验预报及外形优化研究[D];哈尔滨工程大学;2010年
5 张亚娟;适应性企业战略协同机制研究[D];哈尔滨工程大学;2010年
6 谭枫;介入式文化算法及其应用研究[D];哈尔滨工程大学;2010年
7 陆满君;通信辐射源个体识别与参数估计[D];哈尔滨工程大学;2010年
8 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
9 王龙金;零/低航速减摇鳍升力模型及系统控制策略研究[D];哈尔滨工程大学;2009年
10 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
3 万成;动态环境下的元胞遗传算法研究[D];南昌航空大学;2010年
4 李坤;参数参与进化的自适应遗传算法研究[D];南昌航空大学;2010年
5 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
6 刘志强;基于数据挖掘的客户行为分析和预测研究[D];山东科技大学;2010年
7 吴香庭;基于遗传算法的K-means聚类方法的研究[D];山东科技大学;2010年
8 马水松;多目标遗传算法与非支配集的构造研究[D];山东科技大学;2010年
9 李臻;城市公交车辆智能调度优化研究[D];山东科技大学;2010年
10 朱国凯;泰安市农村公路典型路面结构研究[D];山东科技大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 朱明星,张德龙;RBF网络基函数中心选取算法的研究[J];安徽大学学报(自然科学版);2000年01期
2 于旺堂;纵伟;;HACCP在鲜切莴笋生产中的应用[J];安徽农学通报;2008年11期
3 牟少敏;田盛丰;尹传环;;基于协同聚类的多核学习[J];北京交通大学学报;2008年02期
4 范江平,毛华明;原料奶生产HACCP的建立和实施[J];黄牛杂志;2002年06期
5 杨辉;;HACCP系统与我国食品安全[J];包装与食品机械;2008年02期
6 曾庆祝,刘志娟;应用HACCP体系控制养殖水产品的安全危害[J];水产科学;2005年04期
7 许深;段青青;黄丹枫;;切割生菜的HACCP管理及质量控制[J];长江蔬菜;2007年06期
8 王迎春,唐晓军,李泽源;在绿茶生产中建立HACCP体系的探讨[J];茶业通报;2004年02期
9 王俊;姜长生;;基于LSRBF神经网络的空战目标威胁评估[J];电光与控制;2007年04期
10 夏士雄;李文超;周勇;张磊;牛强;;一种改进的k-means聚类算法(英文)[J];Journal of Southeast University(English Edition);2007年03期
中国博士学位论文全文数据库 前2条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 赵小强;炼厂生产调度问题研究[D];浙江大学;2005年
中国硕士学位论文全文数据库 前8条
1 侯宗浩;集成C/S、B/S结构的物资采供系统研究[D];西安理工大学;2000年
2 欧翔;基于INTERNET/INTRANET中小型企业管理信息系统的研究与开发[D];中国农业大学;2000年
3 梁开健;基于Web的数据库检索系统的开发[D];中南林学院;2001年
4 杨振刚;基于Web的作物图像信息管理系统的研究[D];西北农林科技大学;2001年
5 杨晓燕;农业水土工程学科信息的网络化研究[D];西北农林科技大学;2002年
6 曹洪龙;基于Web的机械电子版图纸管理系统的研究与设计[D];西北农林科技大学;2002年
7 马兆瑞;发酵型苹果酒工艺流程中试及其HACCP质量控制[D];西北农林科技大学;2002年
8 管军;支持向量机在水质监测信息融合与评价中的应用研究[D];河海大学;2006年
【相似文献】
中国期刊全文数据库 前10条
1 张问银;金宁德;刘印锋;;基于支持向量机的CD4细胞图像识别方法[J];计算机工程与科学;2009年07期
2 韩永章;;基于支持向量机的旋转机械故障诊断研究[J];科技信息;2010年12期
3 刘磊;;多类分类支持向量机方法研究[J];福建电脑;2010年08期
4 曾文;彭辉;;支持向量机在手写签名的应用研究[J];中国高新技术企业;2009年15期
5 潘浪;单明霞;;支持向量机在资源评价中的应用研究[J];长江大学学报(自然科学版)理工卷;2009年04期
6 盘善荣;傅明;史长琼;;支持向量机在P2P流量识别中的应用[J];计算机工程与科学;2010年02期
7 乔冠军;那健;俞赛赛;;基于SVM的信息化装备状态趋势预测方法研究[J];自动化技术与应用;2007年11期
8 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
9 谢书娟;;SVM理论在图书馆馆藏图像标引方面的应用[J];甘肃科技;2010年01期
10 李卓,刘斌,刘铁男,朱秀华,魏坤;支持向量机及其在油田生产中的应用[J];大庆石油学院学报;2005年03期
中国重要会议论文全文数据库 前10条
1 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年
2 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
3 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
4 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
6 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
7 顾锦荣;刘华强;孙预前;;遗传算法优化的支持向量机模型在热带气旋强度预报中的应用[A];第七届长三角气象科技论坛论文集[C];2010年
8 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
9 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
10 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
中国重要报纸全文数据库 前10条
1 步欣;明确每个环节关键控制点[N];国际商报;2007年
2 ;低温类熟肉制品HACCP实施指南[N];中国畜牧兽医报;2007年
3 王立人;HACCP计划点在哪[N];中国国门时报;2004年
4 金济;我国越来越多食品企业注重安全管理[N];中国质量报;2007年
5 ;用《危害分析与关键控制点》(HACCP)原理为农场动物的动物福利“护航”[N];中国畜牧兽医报;2007年
6 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
7 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
8 李水根;计算机详解配伍与药效关系[N];健康报;2005年
9 杨代稊;准确定位 把握关键控制点[N];中国审计报;2011年
10 吴董波孙鹏 郭亚萍;准确把握关键控制点[N];中国质量报;2008年
中国博士学位论文全文数据库 前10条
1 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
3 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
4 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
5 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
6 王冬丽;基于可扩展的支持向量机分类算法及在信用评级中的应用[D];东华大学;2011年
7 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
8 鲁淑霞;基于支持向量机的多光谱数据分类[D];河北大学;2007年
9 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
10 韩晓明;基于符号有向图和支持向量机的故障诊断方法的研究[D];太原理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
3 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
4 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
5 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
6 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
7 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
8 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
9 朱健康;基于支持向量机的音乐自动分类[D];天津大学;2010年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026