《表2 DBN-MFSVM与传统机器学习方法性能对比结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于深度置信网络-多类模糊支持向量机的粮食供应链危害物风险预警》
注:加粗表示该模型与其他模型对比准确率更高。
表2比较了不同方法准确率和运行时间对比结果,可以看出,DBN-MFSVM的准确率达到98.44%,性能优于其他传统机器学习方法,这表明DBN-MFSVM模型面对多维异构的食品抽检数据集,能够自适应处理数据,形成预警相关的高维度特征,并深入挖掘各危害因素在供应链环节中内在关联,避免了手工提取选择特征的繁重工作,提升危害物风险等级预警的准确率。而其他传统方法预警精度较低,且运行时间稍微较长,进一步证明本实验所采取的方法具备快速高效预警特性,可为粮食产品危害物监管实际应用提供参考。
图表编号 | XD00225600300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 王小艺、李柳生、孔建磊、金学波、苏婷立、白玉廷 |
绘制单位 | 北京工商大学计算机与信息工程学院、北京工商大学北京市食品安全大数据技术重点实验室、北京工商大学计算机与信息工程学院、北京工商大学计算机与信息工程学院、北京工商大学北京市食品安全大数据技术重点实验室、北京工商大学计算机与信息工程学院、北京工商大学北京市食品安全大数据技术重点实验室、北京工商大学计算机与信息工程学院、北京工商大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |