典型文献
集成改进AHP与XGBoost算法的食品安全风险预测模型:以大米为例
文献摘要：
近年来,我国在食品质量安全管控方面已有较大提升,但伴随着食品产业规模的增大,检验需求量的增多,食品安全检测数据出现高维、复杂且非线性等特征,这些特征会导致定量分析数据利用率低,从而直接影响以数据为载体的风险预测模型的准确性.为提高风险预测模型的准确性,以食品安全检测数据为基础,提出了一种集成层次分析法与极端梯度提升树算法的食品安全风险预测模型,并通过食品安全限定指标对集成模型进行优化改进,从而实现更高效准确的食品安全风险评估.研究以除港澳台外的全国31个省大米危害物检测数据为例,详细阐述了模型的使用方法,检验结果表明,该风险预测模型具有较强的平稳性与较高的准确性.研究旨在为食品安全监管部门评估决策提供一定的理论依据及参考.
文献关键词：
食品安全;风险指标体系;风险预测;层次分析法;极端梯度提升树
中图分类号：
作者姓名：
王小艺;王姿懿;赵峙尧;张新;陈谦;李飞
作者机构：
北京工商大学 人工智能学院,北京 100048;北京工商大学 国家环境保护食品链污染防治重点实验室,北京 100048;北京服装学院,北京 100029
文献出处：
引用格式：
[1]王小艺;王姿懿;赵峙尧;张新;陈谦;李飞-.集成改进AHP与XGBoost算法的食品安全风险预测模型:以大米为例)[J].食品科学技术学报,2022(01):150-158
A类：
极端梯度提升树算法
B类：
XGBoost,食品安全风险,风险预测模型,大米,食品质量安全,质量安全管控,食品产业,产业规模,食品安全检测,检测数据,高维,数据利用率,高风险预测,集成模型,优化改进,安全风险评估,港澳台,危害物,使用方法,平稳性,食品安全监管,监管部门,评估决策,风险指标体系
AB值：
0.26125
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
