食品安全数据分析与风险监测

第1章 绪论
1.1 概述
1.2 食品安全的概念及现状
1.2.1 食品安全基本概念
1.2.2 食品安全的现状
1.2.3 食品安全风险监测的定义
1.2.4 食品安全风险监测的作用
1.3 国内外食品安全监测的现状
1.3.1 国外食品安全监测的现状
1.3.2 我国食品安全监测的现状

第2章 数据分析处理技术与食品安全监测的发展与应用
2.1 信息化技术和数据处理分析系统的应用
2.1.1 数据与信息
2.1.2 数理统计的历史与发展
2.1.3 数据仓库等信息化技术在各领域的应用
2.1.4 食品安全风险监测需要强大的数据信息做支持
2.2 食品安全监测数据的分析和处理
2.2.1 当前食品安全形势复杂
2.2.2 数据信息在食品安全风险中的基础应用

第3章 食品安全风险监测中的数据预处理技术
3.1 食品安全监测海量数据分析的挑战
3.2 数据清洗和数据处理的技术方法
3.2.1 冗余数据的处理
3.2.2 空值的处理
3.2.3 不规范数据的清理
3.3数据类型转换技术
3.3.1 对象名的转换
3.3.2 数据编码的转换
3.3.3 表结构的转换

第4章 食品安全风险监测中数据仓库的建立
4.1 数据仓库的由来和发展
4.1.1 从传统数据库到数据仓库
4.1.2 在决策分析活动中传统数据库面临的问题
4.1.3 数据仓库的定义
4.1.4 数据仓库的特征
4.1.5 数据仓库与传统数据库的比较
4.2 OL
4.2.1 OLAP的概念
4.2.2 OLAP的优点
4.2.3 OLAP的特性
4.3 食品农产品检测数据仓库的原理与基本结构
4.4 进出口食品安全数据仓库建立的方法技术
4.4.1 自顶向下的开发方法
4.4.2 自底向上的开发方法
4.5 进出口食品安全数据仓库的设计实例
4.5.1 确定主题
4.5.2 确定数据源
4.5.3 确定数据粒度-
4.5.4 确定数据提取工具
4.5.5 确定开发方法
4.5.6 确定数据仓库的组织结构

第5章 数据挖掘技术在食品安全领域的应用
5.1 数据挖掘的概念和原理
5.2 数据挖掘经典模式
5.2.1 关联规则与Apriori算法
5.2.2 决策树与ID3算法-
5.2.3 聚类算法与r平均算法-
5.2.4 支持向量机(SVM)
5.2.5 贝叶斯(Bayes)分类器-
5.2.6 邻近算法(r最近邻算法)
5.2.7 回归树分类器
5.2.8 adaboost分类器
5.2.9 人工神经网络
5.2.10 Fisher分类器
5.3 使用WEKA对食品农产品检测数据进行关联分析
5.3.1 WEKA简介
5.3.2 基于Apriori算法的数据挖掘结果

第6章 食品安全风险监测中的数据分析和趋势分析方法
6.1 实验室数据统计分析
6.1.1 统计的定义和研究范畴
6.1.2 实验室检测数据的处理分析
6.1.3 描述性统计分析
6.2 食品检测数据的趋势分析方法研究
6.2.1 移动平均线方法在食品检测数据趋势分析中的应用研究
6.2.2 时间序列在食品安全趋势分析中的应用
6.2.3 非参数方法对山东地区进出口食品安全数据趋势分析

第7章 进出口食品农产品安全风险预警与检测数据挖掘分析平台的研究与建立
7.1 进出口食品农产品安全风险预警与检测数据挖掘分析平台
7.1.1 项目平台的研究目的和意义
7.1.2 国内外研究的现状
7.1.3 项目平台主要研究内容与关键技术
7.2 进出口食品农产品安全风险预警与检测数据挖掘分析平台建立的过程
7.2.1 系统平台的基本架构
7.2.2 系统平台的界面设计
7.2.3 检测数据的分析处理及数据仓库的建立
7.3 山东地区进出口食品农产品安全风险预警与检测数据挖掘分析平台的开发和应用
7.3.1 山东主要农产品出口地区食品农产品检测数据的分析和利用
7.3.2 山东地区进出口食品农产品安全风险预警与检测数据挖掘分析系统平台

第8章 数据处理和分析软件简介
8.1 Exce1软件
8.1.1 Exce1软件在数据处理和分析中的应用简介
8.1.2 Exce1软件处理数据实例
8.2 MATLAB软件
8.2.1 MATLAB7x的运行环境
8.2.2 MATLAB软件处理数据实例
8.3 WEKA软件
8.3.1 WEKA3.6所需的数据格式和运行环境
8.3.2 WEKA软件处理数据实例
8.4 总结