[发明专利]深度RBF神经网络与基于熵权的AHP结合的预警方法

摘要

本发明公开了一种深度RBF神经网络与基于熵权的AHP结合的预警方法，首先采用基于熵权的AHP算法对复杂食品安全监测数据进行风险融合，将风险融合结果作为深度RBF神经网络的期望输出。然后使用深度RBF神经网络对食品安全监测数据进行建模，使用该模型可以获得更加准确的风险预测结果，从而指导食品安全预警工作。基于熵权的AHP算法根据数据内部规律确定各个指标的权重，避免了传统AHP算法可能出现的判断失误。深度RBF预警模型具有比BP、RBF等浅层神经网络模型更强的泛化能力和特征表示能力，从而使得该模型能够得到更加精确的食品安全监测数据风险预警的结果。

主权项

1.一种深度RBF神经网络与基于熵权的AHP结合的预警方法，其特征在于，包括：获得参数j的关联函数kij(x)，关联函数kij(x)为Xj(1)，xj(2)，xj(3)，xj(4)为kij(x)的节点其中，i＝1，2，…n，i为第i次采样，j＝1，2，…m；设预处理后的食品安全监测数据为X＝[X(1) X(2) … X(n)]T，，获得信息矩阵为使用公式对所述信息矩阵进行中心归一化处理，获得正矩阵R^j_n×m，其中根据所述正矩阵Rjn×m获得n阶对称矩阵COR为根据所述对称矩阵的各个指标的熵值获得对应指标的权值为其中，各个指标的熵值为获得食品安全监测数据的风险融合数据为将所述风险融合数据作为深度RBF神经网络模型的期望输出；形成RBF神经网络模型；获得基于RBF神经网络模型的自编码器；根据所述自编码器形成深度RBF神经网络的特征提取模块；根据所述特征提取模块进行无监督学习，获得输入数据的高级特征；根据原始的RBF神经网络模型进行监督学习，获得深度RBF神经网络模型的实际输出。