1.2食品安全大数据的处理和分析的智能化

大数据的信息量大，来源不一，形式复杂，因此高效科学的数据处理与分析是实现智能化食品监管的强有力支撑。利用传感器、物联网、互联网、SAS、Zigbee技术、ETL等设备对数据进行整理、计算、编辑等加工和处理^[29]，再通过数据的分类与关联等方法对数据进行统一的梳理、清洗、融合、集成等消除食品安全数据中的噪声和冗余点^[30]，获取更有效、更有价值的信息，提取其中所包含的内在信息或规律帮助人民在日常生活中作出有效的判断，从而采取适当的行为表现。

此外，大数据除了可以对现有事件进行分析处理，同时可以通过一些常见的机器学习数据的挖掘技术与不同来源的数据进行结合，对数据进行更全面、新颖的认识。同时也可以将这些数据应用于日常的网络订餐、食品溯源、风险评估等场景中。人工神经网络(Artificial Neural Network) 是一种通过模拟生物学中相互连接的神经元组成的复杂网络进行建模，通过多次学习训练精准的发现大量数据中隐含的规律，用于实现基于现有定量定性知识的状态预测、预警等的搞学习精度的数据挖掘方式。目前，已广泛用于智能家居、人脸识别、生物医学和经济等领域，并取得很大成果，解决了许多目前计算机难以解决的问题。目前人工神经网络模型中常见的数据挖掘技术主要有以下三种:①贝叶斯网络（Bayesian Network），反映整个数据域中数据间的概率关系，是风险评价概率统计模型的代表^[31]。