《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。