- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
农残检测中多维数据可视分析关键技术农残检测中多维数据可视分析关键技术
农残检测中多维数据可视分析关键技术
研究
姓名:罗会嵩 学号:110701Y096 班级:植保121
摘 要:
当前食品安全问题十分突出,如何有效的对食品质量进行监控和管理成为人们日
益关注的焦点。农药和化学污染物的过渡使用是食品安全问题的主要来源之一,食品质量检测部门需要对这些农药残留信息进行检测和分析。本文的主要任务是研究多维数据的可视分析技术,并将该技术应用到农药残留检测中,协助研究人员分析农药的理化特性和特征规律,为食品中的农药检测提供分析和决策依据。本文对多维数据的可视分析技术进行了深入的研究。
(1)针对农药检测标准数据的特点和理化特性,对原始数据进行预处理操作,
便于转换成可视化信息。
(2)分析和总结了目前主流的多维数据可视化技术和应用条件,提出了一种针
对农残检测标准数据的多视图协同可视分析方法。本方法设计了平行坐标、散点图和散点图矩阵、数据表图等多种可视化视图,并通过交互技术将视图关联起来协同分析数据,从中挖掘出有价值的信息。本方法有效的避免的单一可视化技术的缺陷,能全面的展现和分析复杂的多维数据,使数据的展示和分析变得简单和高效。
(3)设计并实现农残检测信息智能管理系统,建立检测标准信息数据库,实现
检测规程、检测标准和检测数据的数字化管理。
关键词:多维数据;可视分析;多视图协同可视分析;类区间模型;农药残留检
测数据
Abstract:
People pay more and more attention to that how to effectively supervise and manage food quality in the wake of Food Safety problems get worsen in recent years. One of the main reasons of food safety problem is the overused pesticides and chemical pollutants, and food quality supervise department need to detect and analyze pesticide residue information The main task of this subject is to research the multidimensional data visual analysis technique and apply it to Pesticide residue detection. it will assist researchers analysis of physicochemical properties and characteristics of pesticides and provides basis for analysis and decision in pesticide detection. This paper research the multidimensional data visual analysis technique in depth.
(1) we preprocess the original standard data of pesticide residues detection to convert it into visual information according to the physicochemical property and the feature of data.
(2) Then we analyze and summary the popular multidimensional data visualization
technology and application conditions, and propose a visual analysis method called
multiple coordinated views for data。In our method, we use parallel coordinates, scatter and
scatter-plot matrix, data table and other views combined with interaction techniques to collaborative analysis data and mining valuable information from data. This method is effective to avoid the defects of the single vi
文档评论(0)