面向食品安全微生物预测的异构关联模糊系统建模关键技术及实证

Predictive microbiology has important application value in the field of food safety. As the core technology of predictive microbiology, the microbial prediction model construction still faces many challenges, such as how to enhance the abilities of prediction model for uncertain knowledge representation, uncertain modeling, interpretability, knowledge regulation and collaboration of the heterogeneous relevant scenes. According to these challenges, this project is proposed to explore microbial food safety oriented key techniques of the heterogeneous relavent fuzzy intelligent prediction model and its empirical study. Main research contents include the following aspects: The high interpretable uncertain knowledge representation and model structure for microbial food safety microbial prediction; The learning techniques and algorithms for conciseness enhancement of fuzzy uncertain intelligent prediction model; The heterogeneous regulation and collaboration mechanism and the corresponding learning algorithms in the heterogeneous relevant scenario and multi-task scenario for fuzzy uncertain microbial prediction model; Large-scale heterogeneous data driven fuzzy uncertainty deep prediction model construction and the scalable learning techniques; The comprehensive effectiveness evaluation mechanism of food safty prediction model in the typical applications and the empirical study of the proposed fuzzy uncertainty microbial prediction techniques. The research outputs about fuzzy uncertain intelligent model techniques in our previous work and their applications in microbial process modeling have provided a solid foundation for the effective implementation of this project.

预测微生物学在食品安全领域具有重要的应用价值。微生物预测模型构建作为预测微生物学的核心技术，当前还面临诸如如何增强预测模型的不确定知识表示能力、不确定建模能力、可解释性以及异构关联场景的知识调控和协作等挑战。针对此，本课题拟探讨面向食品安全微生物预测的异构关联模糊智能模型建模关键技术及实证。主要研究内容包括：面向食品安全微生物预测的高解释性模糊不确定知识表达和预测模型结构；增强模糊不确定智能预测模型解释性的精简学习技术和算法；关联异构场景的食品微生物预测模型的异构域知识调控和多任务协作机制及学习算法；大规模异构数据驱动的食品安全深度模糊不确定微生物预测模型构建及可扩展学习技术；以及模糊不确定微生物预测模型在食品安全典型应用中的有效性评估机制和实证研究。课题组已有的模糊不确定智能模型构建和微生物过程智能建模方面的研究基础为本课题的有效实施提供了充分的准备。

依托于国家自然科学基金面上项目（No. 61772239），开展了面向食品安全微生物智能预的关联异构模糊系统建模理论与方法的研究，并在此基础上在相关方向进行了拓展研究。主要研究内容包括：针对食品安全智能预测场景的不确定性挑战，深入研究了基于模糊理论的特征学习技术，着重探讨了数据分布变化建模场景的迁移模糊系统特征学习、多任务多标记场景的模糊特征抽取和大规模数据的深度模糊系统特征学习方法；针对食品安全智能预测等场景的高解释性需求和不确定性建模场景面临的挑战，深入研究了高解释性的精简模糊系统和具有知识迁移能力的模糊系统预测模性构建技术；针对食品安全智能预测面临的多源异构场景带来的挑战，基于模糊建模理论从多视角学习的角度深入研究了多视角聚类分析和多视角模糊系统建模技术；对于提出的各种模糊系统建模新技术和方法，在食品生物数据的安全评估和功能预测建模方面进行了验证研究。项目执行过程中在相关领域形成了一批研究成果，受该项目资助发表和录用学术论文26篇，其中被SCI收录(待收录)18篇，其中领域权威期刊IEEE trans 系列论文13篇；依托该项目培养博士、硕士研究生10余人，其中培养的研究生3人次获得江苏省优秀硕士论文奖，4人次获得国家奖学金。依托该项目部分成果，项目负责人入选江苏省333高层次人才工程二层次（领军人才）。本项目所得结果对模糊智能理论及其在食品生物数据建模等方面的应用具有重要的学术与应用价值。