一种非洲猪瘟在市场流通领域中的生物风险因子环节溯源算法

本发明公开了一种基于多核度量学习(Multi kernel metric learning，简称MKLM)的猪肉产业链关键风险因子溯源方法。该方法针对非洲猪瘟生物风险因子在流转链中的传播特性，通过多核度量学习(Multi kernel metric learning，简称MKLM)实现异构数据融合。在猪肉流转链上，每一个环节涉及多种类型数据，一般包含数值型数据(温度、湿度、时长等)、分类型数据(是否消毒、生猪品种、卫生等级、运输方式类型等)以及图片型数据。这三类数据融合与传统数据融合不同，不能直接采用拼接、加权平均等方式进行数据融合。为此，本发明提出了一种多核度量学习算法，先用不同的M矩阵处理各类型数据，然后通过将不同类型数据使用不同核函数处理数据，将其映射到高维空间中，更好的捕捉不同数据之间的关系，并将数据通过融合，量化各环节对感染风险的贡献，实现溯源。