针对农残检测数据中隐性知识发现的可视分析模型与算法研究

To discovery the implicated pattern and implicit knowledge in pesticide residue detection data, the researching constructs the appropriative visual analytics model to adapt the feature of the datasets. The model can build the bridge between expert knowledge and the data analysis processing. The interactive data analysis with expert participation is expecting to achieve the accurate and friendly results of valued information acquisition. The availability of the model will be verified by the practical case application in the food safety domain.. The research contents in the proposal can be described as following. One is the relationship between domain knowledge and visual analysis technology. The domain knowledge base needs to be built according to the relationship. Secondly, the mechanism of data content evaluation will be constructed according to the knowledge base. The mechanism can depart the original datasets into the different bunching with key feature, common feature and plain feature. The different bunching is processed using different reduced strategy. The final reduced datasets express the origin dataset while keeping its key features. Thirdly， the appropriative visualization methods are designed and implemented to analysis the pesticide residue detection dataset. The visualization methods are aim of presenting and explaining accurately the dataset, analyzing the correlation/similarity in dataset and evolution model of time series data. The visualization and interaction can support the expert to discovering the implicit knowledge and validating the assumption. The prototype system is developed finally to implement the visualization model. The model will be proved valid by the factual dataset in food safety domain.. The research of this proposal is expected to set up the theoretical innovation for the fusion mechanism between the domain knowledge and the visual analytics technology. The project can constitute one integrated system by combining the key national science and technology program. The research can support the improvement of the national food safety safeguard system.

本项目在多项食品安全领域项目基础上，以农残检测数据中的隐含数据规律和隐性知识发现为目标，融合领域知识和可视分析技术，构建农残检测数据可视分析模型，搭建领域专家与数据分析过程间的桥梁，实现精准有效的知识获取；并在实际案例应用中验证模型有效性。.研究内容主要包括：①研究领域知识与可视分析技术之间的联系机理，建立领域知识库；②构建基于知识库的数据内容评价机制，研究基于大数据视角的数据抽象方法，形成规模可接受的、表达全部数据内容的、保留关键特征的数据集；③研究建立适应农残检测数据特征的可视化方法，提高数据表达与阐释能力，分析数据中存在的相关性与相似性，以及时间序列数据的演化模式；④依托科技支撑计划等多项项目的客观检测数据，验证本项目的模型可行性与算法有效性。.该项目有望对领域知识与可视分析技术的融合机制实现理论创新，提升食品安全领域的数据分析能力，为建立食品安全预警机制提供数据支撑和技术支持。

本项目针对食品安全领域的数据分析需求，以食用农产品中的农药残留检测数据为研究对象，挖掘和发现数据集中隐含的规律和知识；并通过可视化技术融合领域专家知识，构建农残检测数据可视分析模型，实现高效的数据分析与知识获取；最终通过案例数据应用验证模型有效性并获得分析结论。.经项目研究团队的共同努力，已完成上述研究目标，超额完成了项目申请时提出的研究成果指标，并完成研究成果的总结。共发表了8篇研究论文，另有4篇研究论文正在审稿过程中，共申请了10项国家发明专利，其中有2项已授权，撰写出版学术专著1本。研究中所提出的可视化方法以及分析结论已得到多地检疫检疫研究院的认可及采用，并已成功应用于已投入使用的食品安全数据采集和统计分析系统。.项目所进行的主要研究内容及研究结果包括：针对食品安全领域农残检测数据的可视分析需求，提出一种多重放射环的单区域多MRL数据可视化方法；针对时间维度的时序分析方法研究，提出一种基于时序矩阵热图的可视化方法；针对空间维度上的地域分析方法研究，提出了一种基于矩阵布局的地理位置偏移映射方法；针对离散型、整值型数据时出现数据覆盖的问题，提出数据偏移映射的平行坐标可视化方法；针对需重点关注的信息的倾向性分析需求，提出了一种基于极坐标的旋转布局可视化方法，对数据的倾向性进行优先显示；针对具体案例数据进行统计与对比分析，包括采样地域分布、种类分布，以及检测结果的不同时间、城市、农产品的检出种类、检出频次等方面的统计与对比分析。.项目所取得成果的科学意义在于为农残检测数据乃至食品安全领域数据提供领域知识库的建立方法；辅助建立相关数据的内容评价机制，对食品安全领域中的数据分析和风险评估提供方法和手段；提供领域知识结合的可视分析模型，为可视分析技术在食品安全领域中的应用提供重要的理论方法，对分析农残检测数据中所隐含的数据规律，深入挖掘农残检测数据中体现的相关信息提高支持。