[发明专利]一种神经网络与层次分析法结合的食品安全风险预警方法

权利要求书

1.一种凝聚层次聚类-径向基函数神经网络与基于熵权的层次分析算法结合的食品安全风险预警方法，其特征在于，包括：

获得待检测食品的食品安全检测数据；

使用基于熵权的层次分析算法对所述食品安全检测数据进行风险融合，获得所述食品安全检测数据的食品安全风险融合数据；

将所述食品安全风险融合数据作为食品安全风险预警模型的期望输出；

将所述食品安全检测数据作为食品安全风险预警模型的输入；

根据凝聚层次聚类-径向基函数神经网络形成食品安全风险预警模型；

使用所述食品安全风险预警模型对所述待检测食品进行食品安全风险预警。

2.根据权利要求1所述的凝聚层次聚类-径向基函数神经网络与基于熵权的层次分析算法结合的食品安全风险预警方法，其特征在于，所述使用基于熵权的层次分析算法对所述食品安全检测数据进行风险融合，获得所述食品安全检测数据的食品安全风险融合数据的步骤包括：

对于第p个样本，参数q的标准关联函数f_pq(x)定义如下：

其中，x_q(1)，x_q(2)，x_q(3)，x_q(4)是f_pq(x)的节点；

若x_q(2)和x_q(3)重合，得到下侧关联函数f_pq(x)：

预处理之后的数据为X＝[X(1)X(2)ΛX(n)]^T，根据所述下侧关联函数获得信息矩阵F_n×m：

其中，x_q(2)(q＝1,2,L,m)为平均值；

获得正矩阵R^q_n×m如下：

根据R^q_n×m获得n维对称矩阵COR：

计算各个指标的熵e_p，计算公式如下：

计算权值w_p，计算公式如下：

其中，权值w_p表示各个指标的重要程度；

使用权重向量融合数据，获得融合数据Y：

其中，权重向量为W＝[w₁，w₂，...，w_n]^T。

3.根据权利要求1所述的凝聚层次聚类-径向基函数神经网络与基于熵权的层次分析算法结合的食品安全风险预警方法，其特征在于，所述根据凝聚层次聚类-径向基函数神经网络形成食品安全风险预警模型的步骤包括：

使用凝聚层次聚类算法将输入数据聚成k类：A₁，A₂，...，A_k；

计算每个聚类的聚类中心位置C₁，C₂，...，C_k，计算公式如下：

其中，num_i是第i个聚类A_i的样本数，x_j是聚类A_i的第j个样本，s是样本数据的维数，C_i为第i个聚类A_i的聚类中心；

计算隐含层之中第j个节点的高斯函数的宽度σ_j，计算公式如下：

σ_j＝min||C_j-C_i||，(j，i＝1，2，...，k)∩(i≠j) (16)

其中，||C_j-C_i||为C_j与C_i之间的欧几里得距离；

当样本数为P时，计算隐含层的输出矩阵U如下：

其中，第i个样本的隐含层第j个节点的输出u_ij为：

获得凝聚层次聚类-径向基函数神经网络的输出Z_t，计算公式如下：

Z_t＝U·W_t (19)

其中，W_t是第t次训练时隐含层与输出层之间的权重矩阵，t的初始值为1，W_t的计算公式如下：

W_t的更新计算公式为：

W_t+1＝W_t+ηU^T·(Y-Z_t)，η∈(0，1) (20)

其中，η是学习率，Z_t是第t次训练时凝聚层次聚类-径向基函数神经网络的输出。