换一批基于改进FP-growth算法的食品风险因素关联分析方法
Association Analysis of Food Risk Factors Based on Improved FP-growth Algorithm
摘要为解决传统食品安全监督抽检"随机抽"模式存在的抽检决策主观性强、靶向性不高的问题,本研究提出一种基于改进Frequent Pattern-growth(FP-growth)算法的食品风险因素关联分析方法.首先,采用熵权法分别对食品种类的风险指标进行权重分配,以计算出不同食品种类的风险指数.其次,以风险指数为特征,基于小批量K均值算法(MiniBatchKmeans)进行风险聚类,得到食品的风险等级.最后,采用带约束的改进FP-growth算法进行食品风险因素关联规则挖掘,挖掘食品风险等级与食品种类、时间、地域属性信息之间的关联关系,并对挖掘出的结果进行关联分析,从而为精准靶向引导抽检决策提供指导.本研究依托2019年中国某些地区的食品抽检数据进行分析,对其进行指标赋权,计算风险指数;后经过风险聚类为低风险、中风险和高风险;最后,将数据导入改进FP-growth 算法,得到食品风险因素关联规则.通过对比实验得到结果:对于17214条抽检数据,本研究提出的改进FP-growth算法相较于Apriori算法运行时间短;相较于传统FP-growth算法,删除了无效规则,提高了对食品风险因素关联规则的分析效率,从而为食品监管部门抽检工作提供了准确、高效的决策依据.
更多相关知识
关键词
食品安全监督抽检关联分析熵权法MiniBatchKmeans聚类Frequent Pattern-growth算法food safety surveillance samplingassociation analysisentropy weight methodMiniBatchKmeans clusteringFrequent Pattern-growth algorithm
栏目名称
DOI
10.7506/spkx1002-6630-20240206-051
发布时间
2024-12-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFF1101103）
北京市自然科学基金（4222042）
北京市自然科学基金（6242004）
北京市科技新星计划项目（20240484720）
北京市属高校优秀青年人才培育计划项目（BPHR202203043）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
