买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了基于源头数据验证机制的农产品溯源方法及系统；本发明涉及农产品线上销售技术领域；使用云模型处理原始数据，生成云滴，计算数字特征期望Ex、熵En和超熵He。根据置信域1‑α去除异常云滴。缩减超熵He，并使用新的超熵He'和原有Ex、En重新生成云滴。合并新云滴和原始云滴形成数据集D。为数据集D添加标签以区分新云滴和原始云滴。本发明的技术方案通过采用数据驱动的SVM模型和算法，显著减少了人为设定的先验概率所带来的主观性，使溯源结果更加客观和准确；同时本发明的技术方案通过机器学习模型对实际数据进行学习，能够更精确地识别数据特征并进行修正，从而提升了数据修正的精度和可靠性。

主权项：1.基于源头数据验证机制的农产品溯源方法，包括生成农产品的数字特征，同时商家标准数据经逆向云处理并得到相应的云模型，通过正向云发生器生成云模型并得到标尺云，其特征在于：对所述云模型执行如下步骤以实现农产品溯源：S1，云模型处理：使用所述云模型计算数字特征；根据置信域去除异常云滴，缩减所述数字特征并重新生成新云滴；S2，读取数据集D：合并新云滴和原始云滴形成数据集D，为数据集D添加标签以区分新云滴和原始云滴；S3，使用SVM模型：包括学习并识别有所述数字特征规律的目标函数FX、驱动有所述目标函数FX的RBF核函数；在所述S3中，所述目标函数FX和所述RBF核函数为： ； ；其中，所述目标函数FX的输出是ypred，为对新云滴的预测类别；sign是符号函数，用于将项计算得到的输出对应归类至三个不同的预设范围：高等HighQuality、中等MediumQuality和低等LowQuality；w是超平面的法向量，b是偏置项，ξ和ξi是松弛变量；C是惩罚系数，yi是第i个元组x,l的标签l，x是云滴存储的数据，xi是第i个云滴样本的特征向量，N是所述元组x,l的数量；γ是RBF核的超参数，所述SVM模型训练好后，点积（w·xi）会被替换为所述RBF核函数；决策函数fx为： ；其中，αi是拉格朗日乘子，NSV是支持向量的数量；评估的标准是均方误差MSE，使用使所述均方误差MSE的值最小的法向量w和偏置项b作为最优值，并自动确定松弛变量ξ和ξi；S4，使用训练好的所述SVM模型对所述新云滴的所述数字特征进行修正；使用目标函数FX对所述新云滴的期望Ex和熵En进行修正，所述修正的方法为：通过修正函数MEx,En,ypred来调整期望Ex和熵En： ；其中，Ex’和En’分别是调整后的期望和熵； ；在所述S4中，得到调整后的期望Ex’和熵En’后，引入如下调整规则：如果预测类别是所述高等HighQuality，则增加所述期望Ex一个固定值θ，并减少所述熵En一个固定值β；如果预测类别是所述中等MediumQuality，则所述期望Ex和所述熵En保持不变；如果预测类别是所述低等LowQuality，则减少所述期望Ex一个固定值θ，并增加所述熵En一个固定值β；所述固定值θ和固定值β的赋值方法为：第一步，定义包含θ和β作为参数的损失函数：Loss=fθ,β,X,y； ；其中，X是输入数据，y是目标输出；yi是真实标签；pi是SVM模型预测为正类的概率；第二步，使用梯度下降法来最小化损失值Loss，从而找到最优的θ和β值： ； ；使用计算出的梯度来更新出θnew和βnew： ； ；其中η是学习率；重复所述第二步直至梯度收敛，得到的θnew和βnew作为所述固定值θ和固定值β；S5，根据修正后的所述数字特征，重新构建所述标尺云，得到农产品的溯源信息。

全文数据：

权利要求：

百度查询： 海南天地神农科技有限公司 基于源头数据验证机制的农产品溯源方法及系统