论文部分内容阅读
食品安全问题近年来得到广泛关注，本文主要研究食品安全事件中应急方案的自动生成方法，以快速应对可能发生或者已经发生的食品安全问题，高效地实现食品安全风险防控。通过大量的文献及相关理论的学习，提出将机器学习中基于案例推理（CBR）的方法用来实现应急方案的动态生成，同时针对食品安全问题的特殊性，运用数据挖掘及人工智能的方法，着重解决了基于案例推理中涉及的几个关键问题：1、给出了食品安全应急案例表示问题的解决方案。通过对食品安全应急响应机制的剖析，依据现有的食品安全法律法规及已知的食品安全实际案例，分析食品安全应急方案可能包含的具体措施，并抽取出食品安全应急案例需要涉及的内容；根据食品安全应急案例的特性，选择了框架表示法来实现案例表示，并设计了相应的存储结构；给出了具体的案例表示框架，重点描述了案例解决方案的表示，为应急反应方案的推理生成奠定基础。2、给出了食品安全应急方案检索问题的解决方案。在案例库构建的基础上，设计了与数据挖掘相结合的检索思路；利用粗糙集在不完备知识系统中的属性约简方法，提取案例库中的关键属性，构建应急反应案例检索索引，提高检索效率；充分考虑不完备知识系统中属性对决策及对象的重要性，将粗糙集引入案例中属性权重的计算，计算子框架中各个特征属性的权值；通过层次分析法确定各子框架的重要程度，给出了局部相似度及全局相似度的计算方法，提供完整的检索方案，以获取最相似案例中的食品安全应急案例及其应急处置方案。3、给出了食品安全应急方案自修正问题的解决方案。根据检索到的食品安全应急处置方案，在获取差异属性及修正规则的及基础上，实现应急处置方案的修正与调整；将粗糙集运用到修正规则的获取之中，同时给出了具体实例，演示了食品安全应急处置方案推理的具体过程；最后给出了案例学习及案例库维护的相应思路，提供完善的食品安全应急方案动态生成机制。