HACCP在蜂產(chǎn)品原料控制中的應(yīng)用培訓(xùn)課件

HACCP在蜂產(chǎn)品原料控制中的應(yīng)用

——用2種聚類法對(duì)蜂產(chǎn)品原料氯霉素

檢測(cè)的關(guān)鍵限值的科學(xué)確認(rèn)四川檢驗(yàn)檢疫局食檢處HACCP在蜂產(chǎn)品原料控制中的應(yīng)用

——用2種聚類法對(duì)蜂產(chǎn)品

2002年初，因氯霉素（CAP）殘留超標(biāo)我國(guó)蜂產(chǎn)品全線退出歐盟市場(chǎng)，并在多國(guó)發(fā)生連鎖反應(yīng)，2004年7月歐盟才解除對(duì)我國(guó)包括蜂產(chǎn)品在內(nèi)的動(dòng)物源性食品的禁令。目前中國(guó)蜜蜂養(yǎng)殖業(yè)的獸藥殘留監(jiān)控體系仍處于逐步規(guī)范之中，加上蜜源種類多、分布廣、放蜂環(huán)境復(fù)雜和養(yǎng)蜂員素質(zhì)差異大等特點(diǎn)，蜂產(chǎn)品的質(zhì)量風(fēng)險(xiǎn)時(shí)時(shí)存在。2002年初，因氯霉素（CAP）殘留超標(biāo)我國(guó)蜂產(chǎn)品全要符合歐盟、美國(guó)、日本等國(guó)的獸藥殘留要求，使產(chǎn)品順利出口，需要將危害分析與關(guān)鍵控制點(diǎn)（HazardAnalysis＆CriticalControlPoint，HACCP）理論與蜂產(chǎn)品生產(chǎn)的實(shí)踐緊密結(jié)合。

要符合歐盟、美國(guó)、日本等國(guó)的獸藥殘留要求，使產(chǎn)品順利出口，需

HACCP是一種確保食品安全的系統(tǒng)方法，是一種識(shí)別、預(yù)防、控制或減少食品安全危害的有效手段。關(guān)鍵控制點(diǎn)（CCP）是能進(jìn)行有效控制危害的加工點(diǎn)、步驟或程序。判定關(guān)鍵控制點(diǎn)就是針對(duì)已辨明的危害，在本步驟或隨后的步驟中有相應(yīng)的預(yù)防措施，而且能在此步將顯著危害發(fā)生的可能性消除或降低到可接受水平。HACCP是一種確保食品安全的系統(tǒng)方法，是一加工步驟確定本步引入、控制或增加的危害潛在的食品安全危害顯著嗎？應(yīng)用什么預(yù)防措施來防止危害？本步驟是關(guān)鍵控制點(diǎn)嗎？原料驗(yàn)收獸藥殘留（以氯霉素為例）顯著加強(qiáng)原料驗(yàn)收檢驗(yàn)是CAP是蜂產(chǎn)品中的禁用藥，此獸藥殘留是與原料自身有關(guān)的危害，為化學(xué)危害，控制CAP在原料的檢測(cè)和驗(yàn)收中尤為重要。我們用下表對(duì)這一步驟進(jìn)行分析。對(duì)蜂產(chǎn)品原料驗(yàn)收環(huán)節(jié)的危害分析表加工步驟確定本步引入、控制或增加的危害潛在的食品安全危害顯著關(guān)鍵限值是指區(qū)分食品安全可接受與不可接受之間的界限。關(guān)鍵限值的選擇必須有科學(xué)性和可操作性。如果過嚴(yán)，造成即使沒有發(fā)生影響到食品安全危害而就要求去采取糾正措施；如果過松，又會(huì)產(chǎn)生不安全的產(chǎn)品。關(guān)鍵限值是指區(qū)分食品安全可接受與不可接受之間的界限。一個(gè)好的關(guān)鍵限值應(yīng)該直觀、易于監(jiān)測(cè)、僅基于食品安全、能使只出現(xiàn)少量被銷毀或處理的產(chǎn)品就可采取糾正措施、不是GMP或SSOP措施以及不能違背法規(guī)。我們擬用兩種聚類法為關(guān)鍵控制點(diǎn)建立關(guān)鍵限值，這對(duì)蜂產(chǎn)品出口的生產(chǎn)加工企業(yè)有相當(dāng)?shù)膮⒖純r(jià)值和實(shí)際意義。一個(gè)好的關(guān)鍵限值應(yīng)該直觀、易于監(jiān)測(cè)、僅基于食品安全、能使只出

在各國(guó)氯霉素檢測(cè)水平中歐盟最嚴(yán)，歐盟規(guī)定進(jìn)口蜂產(chǎn)品中的CAP殘留不得超過0.3ppb，其推薦方法是氣質(zhì)聯(lián)用法（GC-MS）和液相－串聯(lián)質(zhì)譜法（LC-MS/MS），它們具有靈敏度高、選擇性好、可靠度高的特點(diǎn)，是動(dòng)物源性食品中氯霉素殘留檢測(cè)的最佳方法。在各國(guó)氯霉素檢測(cè)水平中歐盟最嚴(yán)，歐盟規(guī)定進(jìn)口蜂產(chǎn)品中但是高昂的儀器費(fèi)使該法在現(xiàn)階段難以推廣應(yīng)用于原料蜜的收購(gòu)和篩檢，企業(yè)只能采用ELISA法對(duì)原料進(jìn)行檢測(cè)。受背景干擾的影響，有些本來不含CAP的產(chǎn)品在ELISA法中也會(huì)出現(xiàn)數(shù)值，不少實(shí)際合格的蜂產(chǎn)品被判為不合格，造成加工企業(yè)和蜂農(nóng)的經(jīng)濟(jì)損失。但是高昂的儀器費(fèi)使該法在現(xiàn)階段難以推廣應(yīng)用于原料蜜的收購(gòu)和篩所以本文要研究的問題就是尋找一個(gè)合適的用ELISA法檢測(cè)的關(guān)鍵限值作為原料檢測(cè)的判定標(biāo)準(zhǔn)，使在此數(shù)值下的蜂產(chǎn)品用LC-MS/MS法（檢測(cè)限為0.3ppb）檢測(cè)的結(jié)果都合格，從而提高蜂產(chǎn)品的出口合格率。所以本文要研究的問題就是尋找一個(gè)合適的用ELISA法檢測(cè)的關(guān)在研究方法上，根據(jù)88組國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商ELISA法檢驗(yàn)結(jié)果與相應(yīng)的秦皇島蜂產(chǎn)品實(shí)驗(yàn)室LC-MS/MS法檢驗(yàn)結(jié)果的數(shù)據(jù)樣本，我們首先用層次聚類方法對(duì)0.3ppb的標(biāo)準(zhǔn)進(jìn)行分析，然后用較先進(jìn)的基于相似合成算法的聚類方法對(duì)國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)氯霉素含量的標(biāo)準(zhǔn)做進(jìn)一步分析，最后結(jié)合兩種方法得出蜂產(chǎn)品生產(chǎn)商用ELISA法檢驗(yàn)氯霉素含量的判定標(biāo)準(zhǔn)（即原料檢測(cè)氯霉素這個(gè)CCP點(diǎn)的關(guān)鍵限值）。

在研究方法上，根據(jù)88組國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商ELISA法1數(shù)據(jù)樣本說明本文的研究目標(biāo)是88個(gè)數(shù)據(jù)樣本，每個(gè)數(shù)據(jù)樣本包含國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)結(jié)果（X1）、秦皇島實(shí)驗(yàn)室檢驗(yàn)結(jié)果（X2）2項(xiàng)指標(biāo)。其中，國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)結(jié)果是樣本中氯霉素的具體含量，秦皇島實(shí)驗(yàn)室檢驗(yàn)對(duì)于低于其檢驗(yàn)標(biāo)準(zhǔn)的樣本不顯示具體檢驗(yàn)數(shù)值，對(duì)于高于其檢驗(yàn)標(biāo)準(zhǔn)的才給出具體檢驗(yàn)數(shù)值。1數(shù)據(jù)樣本說明本文的研究目標(biāo)是88個(gè)數(shù)據(jù)樣本，每個(gè)表1目標(biāo)樣本數(shù)據(jù)一覽表

樣本編號(hào)

氯霉素含量

樣本編號(hào)

氯霉素含量

樣本編號(hào)

氯霉素含量

X1X2X1X2X1X2170.68090.264480.1630.108730.15680.101180.6510.272490.22410.101740.22230.107190.53560.235660.21340.103750.25530.101240.12470.15720.15440.108為敘述方便，以下簡(jiǎn)稱國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)結(jié)果合格、秦皇島實(shí)驗(yàn)室檢驗(yàn)結(jié)果不合格的樣本為目標(biāo)樣本。具體的，目標(biāo)樣本數(shù)據(jù)見表1。

表1目標(biāo)樣本數(shù)據(jù)一覽表樣本氯霉素含量樣本氯霉素含量樣2層次聚類法對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析

用層次聚類法（hierarchicalclustering）對(duì)檢驗(yàn)標(biāo)準(zhǔn)分析的思路是：將可能的檢驗(yàn)標(biāo)準(zhǔn)加入88組實(shí)際數(shù)據(jù)樣本中，用層次聚類方法對(duì)樣本聚類，當(dāng)某一加入的檢驗(yàn)標(biāo)準(zhǔn)與最多的目標(biāo)樣本聚在一類時(shí)，該檢驗(yàn)標(biāo)準(zhǔn)最接近合理的檢驗(yàn)標(biāo)準(zhǔn)。2層次聚類法對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析用層次聚類法（hie我們選定的可能的檢驗(yàn)標(biāo)準(zhǔn)分別是0.05、0.1、0.15、0.2、0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.65、0.7。為了使研究更加合理，我們分別將102組數(shù)據(jù)樣本分成2、3、4、5類，對(duì)不同聚類結(jié)果進(jìn)行比較（見表2），并用能實(shí)現(xiàn)層次聚類分析的SPSS11.0軟件分析結(jié)果。

我們選定的可能的檢驗(yàn)標(biāo)準(zhǔn)分別是0.05、0.1、0.表2對(duì)樣本聚類

目標(biāo)樣本/檢驗(yàn)標(biāo)準(zhǔn)

聚類數(shù)目標(biāo)樣本/檢驗(yàn)標(biāo)準(zhǔn)

聚類數(shù)目標(biāo)樣本/檢驗(yàn)標(biāo)準(zhǔn)

聚類數(shù)5432543254321732227421110.3554321832227521110.454321943320.0511110.4543322411110.111110.543324821110.1521110.5543324921110.221110.643326621110.2521110.6532227221110.354320.73222732111

表2對(duì)樣本聚類目標(biāo)樣本聚類數(shù)目標(biāo)樣本聚類數(shù)目標(biāo)樣本聚類數(shù)

從表1可知，樣本17、18、19的工廠檢驗(yàn)值較高，明顯超過0.3，而其余樣本的工廠檢驗(yàn)值較小。因此，聚類時(shí)所有的目標(biāo)樣本不可能聚在一類，對(duì)樣本17、18、19聚類分析的參考價(jià)值不如其它樣本。從表2可知，當(dāng)將樣本分成2、3、4類時(shí)，除去樣本17、18、19外的目標(biāo)樣本都被分在第一類；當(dāng)將樣本分成5類時(shí)，它們主要在第二類。從表1可知，樣本17、18、19的工廠檢驗(yàn)值較高，明再看對(duì)可能的檢驗(yàn)標(biāo)準(zhǔn)0.05－0.7的分類：當(dāng)將樣本分成2、3、4類時(shí)，0.05－0.25的數(shù)據(jù)樣本都在第一類，當(dāng)將樣本分成5類時(shí)，它們主要集中在第二類。與可能的檢驗(yàn)標(biāo)準(zhǔn)0.3－0.7相應(yīng)的樣本的聚類結(jié)果與目標(biāo)樣本的聚類結(jié)果差別明顯。這說明，合理的檢驗(yàn)結(jié)果應(yīng)該在0.25－0.3之間。再看對(duì)可能的檢驗(yàn)標(biāo)準(zhǔn)0.05－0.7的分類：當(dāng)將樣本分成2、3基于相似合成算法的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析

以上層次聚類在方法上存在不完善的地方，這可能會(huì)影響到分析結(jié)果。其不足包括：⑴類別個(gè)數(shù)的確定主觀性強(qiáng)。如上面的分析中，到底將數(shù)據(jù)樣本分成幾類才能最恰當(dāng)?shù)胤从乘鼈冎g的相似程度未知，只能通過建模者的主觀判斷進(jìn)行試錯(cuò)分析。3基于相似合成算法的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析以⑵層次聚類方法將所有數(shù)據(jù)樣本作為學(xué)習(xí)集，從中尋找數(shù)據(jù)樣本反映的規(guī)律。但是數(shù)據(jù)樣本中包含的信息除了反映共性規(guī)律外，還有反映個(gè)性特征的信息。將所有數(shù)據(jù)樣本作為學(xué)習(xí)集得到的聚類結(jié)果可能可以很精確地反映學(xué)習(xí)集的情況，但是對(duì)于新加入的、具有同一規(guī)律性的數(shù)據(jù)樣本就可能不適用，即聚類結(jié)果不具有良好推廣能力，出現(xiàn)“過擬合”。如果這樣，那么基于層次聚類的分析結(jié)果的可信度就值得懷疑。

基于相似合成算法的聚類方法可以解決以上2個(gè)問題。⑵層次聚類方法將所有數(shù)據(jù)樣本作為學(xué)習(xí)集，從中尋找數(shù)據(jù)3.1

基于相似合成算法

的聚類方法簡(jiǎn)介由Lorence提出的相似體合成算法（AnalogComplexing，以下簡(jiǎn)稱AC）[1]是對(duì)模糊對(duì)象的預(yù)測(cè)、聚類和分類的一種序列模式識(shí)別方法，最先提出AC算法是為了解決對(duì)模糊經(jīng)濟(jì)對(duì)象的預(yù)測(cè)問題。應(yīng)用AC算法進(jìn)行預(yù)測(cè)時(shí)，一般需要待研究的過程滿足以下假設(shè)：3.1基于相似合成算法

的聚類方法簡(jiǎn)介由Loren（1）系統(tǒng)由多維過程所描述；（2）多維過程的觀察值很多（長(zhǎng)期序列）；（3）多維過程是充分有代表性的，即由基本的系統(tǒng)變量形成數(shù)據(jù)集；（4）過程的行為一般將在一段時(shí)間內(nèi)相似地重復(fù)。AC包含3個(gè)步驟[2]：1）待選模式的產(chǎn)生；2）待選模式的變換；3）相似模式的選取。（1）系統(tǒng)由多維過程所描述；3.1.1待選模式的產(chǎn)生3.1.1待選模式的產(chǎn)生3.1.2待選模式的變換

根據(jù)工作原理，對(duì)于長(zhǎng)度為k的某參照模式，在數(shù)據(jù)樣本中可能有一個(gè)或幾個(gè)長(zhǎng)度為k的相似模式。但是由于系統(tǒng)是動(dòng)態(tài)的，不同時(shí)期的相似模式可能具有不同的平均值和標(biāo)準(zhǔn)方差。因此，需要用一種變換來描述這些差異，將模式變換到同一基準(zhǔn)點(diǎn)上從而使各模式具有可比性。即為了下面將進(jìn)行的模式間相似性的度量，必須尋找待選模式到參照模式的變換。一般取線性變換為：3.1.2待選模式的變換根據(jù)工作原理，對(duì)于長(zhǎng)度為k的HACCP在蜂產(chǎn)品原料控制中的應(yīng)用培訓(xùn)課件3.1.3相似模式的選?、拍Ｊ较嗨贫冗@一步的主要目的是識(shí)別模式形狀間的相似性，其度量我們稱為模式相似度。一般地，第i個(gè)待選模式與參照模式間的距離可定義為：

模式間的相似度可由距離來度量，如定義第i個(gè)模式與參照模式的相似度si為：，顯然距離值越大，模式相似度就越小。3.1.3相似模式的選?、拍Ｊ较嗨贫娶葡嗨颇Ｊ降倪x取模式相似度計(jì)算出來以后，我們就可以根據(jù)相似度大小來選取相似模式。將AC算法與數(shù)據(jù)分組處理（GroupMethodofDataHandling，簡(jiǎn)稱GMDH）方法結(jié)合，形成了基于AC算法的聚類方法。這種聚類方法的特點(diǎn)在于，根據(jù)模式（數(shù)據(jù)樣本）之間的相似度，按照自組織數(shù)據(jù)挖掘的思想，客觀、自動(dòng)的產(chǎn)生唯一的聚類結(jié)果。為說明這種方法的工作原理，簡(jiǎn)要介紹GMDH的實(shí)現(xiàn)原理。⑵相似模式的選取模式相似度計(jì)算出來以后，我們就可以根GMDH是自組織數(shù)據(jù)挖掘（Self-OrganizingDataMining）[3]方法的核心算法，它從參考函數(shù)構(gòu)成的初始模型（函數(shù)）集合出發(fā)，按一定的法則產(chǎn)生新的中間候選模型（遺傳、變異），再經(jīng)過外準(zhǔn)則篩選（選擇），重復(fù)這樣一個(gè)遺傳、變異、選擇和進(jìn)化的過程，使中間待選模型的復(fù)雜度（complexity）不斷增加，直至得到最優(yōu)復(fù)雜度模型。GMDH是自組織數(shù)據(jù)挖掘（Self-OrganiziGMDH使用在建立中間模型過程中未用到的數(shù)據(jù)(測(cè)試集上的數(shù)據(jù))——新鮮信息（freshinformation）——計(jì)算外準(zhǔn)則值來評(píng)價(jià)、選擇中間待選模型。GMDH要求將樣本集W分為訓(xùn)練集A、測(cè)試集B,W=A∪B。在訓(xùn)練集A上的誤差體現(xiàn)了模型模擬真實(shí)系統(tǒng)的能力,在測(cè)試集B(也是已知數(shù)據(jù)，但在建模時(shí)沒有用到)上的偏差既是模型對(duì)真實(shí)系統(tǒng)模擬能力在新水平上的確認(rèn),更是對(duì)模型推廣能力的評(píng)價(jià)。GMDH使用在建立中間模型過程中未用到的數(shù)據(jù)(測(cè)試集上的數(shù)據(jù)這樣，一方面由于模型在新數(shù)據(jù)集上的擬合能力的不斷確認(rèn),其推廣能力將加強(qiáng)，這樣選出的最終模型不會(huì)過擬合，體現(xiàn)了在一定噪聲水平下模型擬合精度與推廣能力之間的最優(yōu)平衡[4]。另一方面，由于用新信息評(píng)價(jià)篩選模型，可以客觀地確定模型。這樣，一方面由于模型在新數(shù)據(jù)集上的擬合能力的不斷確認(rèn),其推最后，GMDH算法的停止法則由最優(yōu)復(fù)雜度原理給出：當(dāng)模型的復(fù)雜度逐漸增加時(shí)，模型的外準(zhǔn)則值有一個(gè)先減小再增大的過程，外準(zhǔn)則的最小值對(duì)應(yīng)了最優(yōu)復(fù)雜度模型；如果在一個(gè)篩選階段不能再改善外準(zhǔn)則值，最優(yōu)復(fù)雜度模型找到了，算法過程就結(jié)束。最優(yōu)復(fù)雜度原理保證了最終模型的唯一性。將AC與GMDH結(jié)合，可以實(shí)現(xiàn)基于AC算法的聚類方法，其工作原理如圖1所示。最后，GMDH算法的停止法則由最優(yōu)復(fù)雜度原理給出：當(dāng)模型的復(fù)圖1[2]客觀聚類分析示意圖1.數(shù)據(jù)樣本，2、3.數(shù)據(jù)劃分為A、B2部分，4、5.分別在A、B上產(chǎn)生的層次聚類樹，計(jì)算聚類平衡準(zhǔn)則BL=(k-△k)/k→min，其中k表示類的個(gè)數(shù)，△k表示相同類的個(gè)數(shù)圖1[2]客觀聚類分析示意圖1.數(shù)據(jù)樣本，2、3.數(shù)據(jù)劃分3.2用基于AC的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析結(jié)果將變量X2按照Lamdam隸屬度函數(shù)模糊化為（N-X2,ZO-X2,P-X2），其中N（negative）表示低于平均水平，ZO(zero)表示在平均水平附近，P(positive)表示高于平均水平。然后以X1和N-X2,ZO-X2,P-X2為變量，對(duì)102個(gè)樣本聚類（將可能的檢驗(yàn)標(biāo)準(zhǔn)加入數(shù)據(jù)樣本時(shí)作如下處理：假設(shè)S代表合理的檢驗(yàn)標(biāo)準(zhǔn)，那么氯霉素含量小于S的產(chǎn)品不應(yīng)該是目標(biāo)樣本。3.2用基于AC的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析結(jié)果將如假設(shè)0.3是合理的檢驗(yàn)標(biāo)準(zhǔn)，那么工廠檢驗(yàn)值為0.05、0.1、0.15、0.2、0.25的數(shù)據(jù)樣本在秦皇島檢驗(yàn)中應(yīng)該合格，檢驗(yàn)值為0.35、0.4、0.45、0.5、0.55、0.6、0.65、0.7的數(shù)據(jù)樣本在秦皇島檢驗(yàn)中應(yīng)該不合格，是目標(biāo)樣本）。如假設(shè)0.3是合理的檢驗(yàn)標(biāo)準(zhǔn)，那么工廠檢驗(yàn)值為0.05、0.分別假設(shè)0.05－0.7為檢驗(yàn)標(biāo)準(zhǔn)，按照相似度超過95%的數(shù)據(jù)樣本聚為一類的辦法，用能實(shí)現(xiàn)基于AC聚類的KnowledgeMiner軟件分析，結(jié)果（見表3）顯示所有目標(biāo)樣本都被分在第2類（C2），其余合格樣本都在第一類（C1），這說明了基于AC的聚類方法的有效性。分別假設(shè)0.05－0.7為檢驗(yàn)標(biāo)準(zhǔn)，按照相似度超過9同時(shí)發(fā)現(xiàn)，如果可能的檢驗(yàn)標(biāo)準(zhǔn)S小于0.2，0.05－0.7中大于S的樣本被分在目標(biāo)樣本一類；如果可能的檢驗(yàn)標(biāo)準(zhǔn)S大于0.2，0.05－0.7中小于S的樣本可能也被分在目標(biāo)樣本一類，出現(xiàn)錯(cuò)誤。因此，當(dāng)選取聚類標(biāo)準(zhǔn)是相似度大于95%時(shí)，0.2應(yīng)該是合適的檢驗(yàn)標(biāo)準(zhǔn)。同時(shí)發(fā)現(xiàn)，如果可能的檢驗(yàn)標(biāo)準(zhǔn)S小于0.2，0.05－0.7中在正確聚類的前提下，相似度越低，說明選擇的檢驗(yàn)標(biāo)準(zhǔn)越合理。相似度大于95%意味著要求數(shù)據(jù)樣本表現(xiàn)出非常明顯的相似性。進(jìn)一步，在假設(shè)0.2為合理檢驗(yàn)標(biāo)準(zhǔn)的前提下，逐漸降低相似度標(biāo)準(zhǔn)進(jìn)行聚類。在正確聚類的前提下，相似度越低，說明選擇的檢驗(yàn)標(biāo)準(zhǔn)越聚類結(jié)果（表4）表明當(dāng)相似度大于57%時(shí)，所有樣本均被正確分類；當(dāng)相似度小于57%時(shí)，所有樣本被分成一類，出現(xiàn)錯(cuò)誤。這說明，當(dāng)數(shù)據(jù)樣本之間有接近六成相似時(shí)，以0.2為檢驗(yàn)標(biāo)準(zhǔn)是最合理的。聚類結(jié)果（表4）表明當(dāng)相似度大于57%時(shí)，所有樣本均被正確分HACCP在蜂產(chǎn)品原料控制中的應(yīng)用培訓(xùn)課件4結(jié)論以上分析表明，在蜂產(chǎn)品中用ELISA法檢測(cè)氯霉素的合理的關(guān)鍵限值應(yīng)該在02－0.25ppb之間?，F(xiàn)行的0.3ppb的檢驗(yàn)標(biāo)準(zhǔn)雖然接近這一范圍，但可能導(dǎo)致成品不能滿足歐盟官方要求或客戶退貨。實(shí)際確定工廠檢驗(yàn)標(biāo)準(zhǔn)時(shí)，還應(yīng)該考慮：4結(jié)論以上分析表明，在蜂產(chǎn)品中用ELISA法1）生產(chǎn)商與客戶檢驗(yàn)技術(shù)水平的一致性。如果生產(chǎn)商檢驗(yàn)技術(shù)水平低于客戶，檢驗(yàn)標(biāo)準(zhǔn)的值可適當(dāng)調(diào)低，反之相反；2）如果標(biāo)準(zhǔn)過高，產(chǎn)品不合格率增加，生產(chǎn)成本就增加；如果過低，客戶退回的產(chǎn)品增加，收益減少。確定合適的檢驗(yàn)標(biāo)準(zhǔn)，要分析檢驗(yàn)標(biāo)準(zhǔn)與生產(chǎn)成本、利潤(rùn)之間的關(guān)系。這可以通過技術(shù)經(jīng)濟(jì)模型實(shí)現(xiàn)。1）生產(chǎn)商與客戶檢驗(yàn)技術(shù)水平的一致性。如果生產(chǎn)商檢3）信息的不對(duì)稱性。由于生產(chǎn)商與客戶在檢驗(yàn)標(biāo)準(zhǔn)等方面的信息的保密性和市場(chǎng)變化的不確定性，使得雙方只能憑行業(yè)經(jīng)驗(yàn)在一定范圍內(nèi)確定自己的檢驗(yàn)標(biāo)準(zhǔn)。這又可能造成本來是不合格的產(chǎn)品，工廠檢驗(yàn)合格但客戶檢驗(yàn)不合格；或本來合格的產(chǎn)品，如果按工廠檢驗(yàn)標(biāo)準(zhǔn)則不合格，按客戶檢驗(yàn)標(biāo)準(zhǔn)合格。兩種情況都會(huì)給雙方造成不同程度的損失。生產(chǎn)商與客戶應(yīng)該在信息不對(duì)稱的合作/不合作博弈行為中尋求共同或個(gè)體利益的最大化。3）信息的不對(duì)稱性。由于生產(chǎn)商與客戶在檢驗(yàn)標(biāo)準(zhǔn)等還需說明的是這里所指的食品安全危害是指顯著危害，每個(gè)顯著危害都必須通過一個(gè)或多個(gè)CCP點(diǎn)來控制。其實(shí)，在整個(gè)食物鏈（FromFarmtoFork）中控制蜂產(chǎn)品獸殘還需要在養(yǎng)殖環(huán)節(jié)中加以具體分析加以控制，這里不再贅述。還需說明的是這里所指的食品安全危害是指顯著危害，

這里引入的基于相似合成算法的聚類法與傳統(tǒng)的層次聚類法相比，其優(yōu)點(diǎn)是能對(duì)先驗(yàn)知識(shí)不足的復(fù)雜性問題進(jìn)行研究和能處理傳統(tǒng)方法感到棘手的小樣本數(shù)據(jù)，該法將數(shù)據(jù)模糊化后的研究更能接近描繪問題的本質(zhì)。這一特點(diǎn)正適于解決諸如蜂產(chǎn)品原料驗(yàn)收中氯霉素關(guān)鍵限值的問題，是HACCP應(yīng)用的一個(gè)好的實(shí)例，也為我們用數(shù)理學(xué)方法解決在檢驗(yàn)監(jiān)管中這一類問題打開了思路。這里引入的基于相似合成算法的聚類法與傳統(tǒng)的層次聚類法HACCP是一個(gè)基于科學(xué)分析建立的體系，需要強(qiáng)有力的技術(shù)支持。當(dāng)然可以尋求外援，也可以利用其他科學(xué)研究的成果，但企業(yè)根據(jù)自己的實(shí)際情況所做的實(shí)驗(yàn)數(shù)據(jù)、分析結(jié)果等尤為重要。HACCP是一個(gè)基于科學(xué)分析建立的體系，需要強(qiáng)有力的技術(shù)HACCP在蜂產(chǎn)品原料控制中的應(yīng)用

——用2種聚類法對(duì)蜂產(chǎn)品原料氯霉素

檢測(cè)的關(guān)鍵限值的科學(xué)確認(rèn)四川檢驗(yàn)檢疫局食檢處HACCP在蜂產(chǎn)品原料控制中的應(yīng)用

——用2種聚類法對(duì)蜂產(chǎn)品

2002年初，因氯霉素（CAP）殘留超標(biāo)我國(guó)蜂產(chǎn)品全線退出歐盟市場(chǎng)，并在多國(guó)發(fā)生連鎖反應(yīng)，2004年7月歐盟才解除對(duì)我國(guó)包括蜂產(chǎn)品在內(nèi)的動(dòng)物源性食品的禁令。目前中國(guó)蜜蜂養(yǎng)殖業(yè)的獸藥殘留監(jiān)控體系仍處于逐步規(guī)范之中，加上蜜源種類多、分布廣、放蜂環(huán)境復(fù)雜和養(yǎng)蜂員素質(zhì)差異大等特點(diǎn)，蜂產(chǎn)品的質(zhì)量風(fēng)險(xiǎn)時(shí)時(shí)存在。2002年初，因氯霉素（CAP）殘留超標(biāo)我國(guó)蜂產(chǎn)品全要符合歐盟、美國(guó)、日本等國(guó)的獸藥殘留要求，使產(chǎn)品順利出口，需要將危害分析與關(guān)鍵控制點(diǎn)（HazardAnalysis＆CriticalControlPoint，HACCP）理論與蜂產(chǎn)品生產(chǎn)的實(shí)踐緊密結(jié)合。

要符合歐盟、美國(guó)、日本等國(guó)的獸藥殘留要求，使產(chǎn)品順利出口，需

HACCP是一種確保食品安全的系統(tǒng)方法，是一種識(shí)別、預(yù)防、控制或減少食品安全危害的有效手段。關(guān)鍵控制點(diǎn)（CCP）是能進(jìn)行有效控制危害的加工點(diǎn)、步驟或程序。判定關(guān)鍵控制點(diǎn)就是針對(duì)已辨明的危害，在本步驟或隨后的步驟中有相應(yīng)的預(yù)防措施，而且能在此步將顯著危害發(fā)生的可能性消除或降低到可接受水平。HACCP是一種確保食品安全的系統(tǒng)方法，是一加工步驟確定本步引入、控制或增加的危害潛在的食品安全危害顯著嗎？應(yīng)用什么預(yù)防措施來防止危害？本步驟是關(guān)鍵控制點(diǎn)嗎？原料驗(yàn)收獸藥殘留（以氯霉素為例）顯著加強(qiáng)原料驗(yàn)收檢驗(yàn)是CAP是蜂產(chǎn)品中的禁用藥，此獸藥殘留是與原料自身有關(guān)的危害，為化學(xué)危害，控制CAP在原料的檢測(cè)和驗(yàn)收中尤為重要。我們用下表對(duì)這一步驟進(jìn)行分析。對(duì)蜂產(chǎn)品原料驗(yàn)收環(huán)節(jié)的危害分析表加工步驟確定本步引入、控制或增加的危害潛在的食品安全危害顯著關(guān)鍵限值是指區(qū)分食品安全可接受與不可接受之間的界限。關(guān)鍵限值的選擇必須有科學(xué)性和可操作性。如果過嚴(yán)，造成即使沒有發(fā)生影響到食品安全危害而就要求去采取糾正措施；如果過松，又會(huì)產(chǎn)生不安全的產(chǎn)品。關(guān)鍵限值是指區(qū)分食品安全可接受與不可接受之間的界限。一個(gè)好的關(guān)鍵限值應(yīng)該直觀、易于監(jiān)測(cè)、僅基于食品安全、能使只出現(xiàn)少量被銷毀或處理的產(chǎn)品就可采取糾正措施、不是GMP或SSOP措施以及不能違背法規(guī)。我們擬用兩種聚類法為關(guān)鍵控制點(diǎn)建立關(guān)鍵限值，這對(duì)蜂產(chǎn)品出口的生產(chǎn)加工企業(yè)有相當(dāng)?shù)膮⒖純r(jià)值和實(shí)際意義。一個(gè)好的關(guān)鍵限值應(yīng)該直觀、易于監(jiān)測(cè)、僅基于食品安全、能使只出

在各國(guó)氯霉素檢測(cè)水平中歐盟最嚴(yán)，歐盟規(guī)定進(jìn)口蜂產(chǎn)品中的CAP殘留不得超過0.3ppb，其推薦方法是氣質(zhì)聯(lián)用法（GC-MS）和液相－串聯(lián)質(zhì)譜法（LC-MS/MS），它們具有靈敏度高、選擇性好、可靠度高的特點(diǎn)，是動(dòng)物源性食品中氯霉素殘留檢測(cè)的最佳方法。在各國(guó)氯霉素檢測(cè)水平中歐盟最嚴(yán)，歐盟規(guī)定進(jìn)口蜂產(chǎn)品中但是高昂的儀器費(fèi)使該法在現(xiàn)階段難以推廣應(yīng)用于原料蜜的收購(gòu)和篩檢，企業(yè)只能采用ELISA法對(duì)原料進(jìn)行檢測(cè)。受背景干擾的影響，有些本來不含CAP的產(chǎn)品在ELISA法中也會(huì)出現(xiàn)數(shù)值，不少實(shí)際合格的蜂產(chǎn)品被判為不合格，造成加工企業(yè)和蜂農(nóng)的經(jīng)濟(jì)損失。但是高昂的儀器費(fèi)使該法在現(xiàn)階段難以推廣應(yīng)用于原料蜜的收購(gòu)和篩所以本文要研究的問題就是尋找一個(gè)合適的用ELISA法檢測(cè)的關(guān)鍵限值作為原料檢測(cè)的判定標(biāo)準(zhǔn)，使在此數(shù)值下的蜂產(chǎn)品用LC-MS/MS法（檢測(cè)限為0.3ppb）檢測(cè)的結(jié)果都合格，從而提高蜂產(chǎn)品的出口合格率。所以本文要研究的問題就是尋找一個(gè)合適的用ELISA法檢測(cè)的關(guān)在研究方法上，根據(jù)88組國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商ELISA法檢驗(yàn)結(jié)果與相應(yīng)的秦皇島蜂產(chǎn)品實(shí)驗(yàn)室LC-MS/MS法檢驗(yàn)結(jié)果的數(shù)據(jù)樣本，我們首先用層次聚類方法對(duì)0.3ppb的標(biāo)準(zhǔn)進(jìn)行分析，然后用較先進(jìn)的基于相似合成算法的聚類方法對(duì)國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)氯霉素含量的標(biāo)準(zhǔn)做進(jìn)一步分析，最后結(jié)合兩種方法得出蜂產(chǎn)品生產(chǎn)商用ELISA法檢驗(yàn)氯霉素含量的判定標(biāo)準(zhǔn)（即原料檢測(cè)氯霉素這個(gè)CCP點(diǎn)的關(guān)鍵限值）。

在研究方法上，根據(jù)88組國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商ELISA法1數(shù)據(jù)樣本說明本文的研究目標(biāo)是88個(gè)數(shù)據(jù)樣本，每個(gè)數(shù)據(jù)樣本包含國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)結(jié)果（X1）、秦皇島實(shí)驗(yàn)室檢驗(yàn)結(jié)果（X2）2項(xiàng)指標(biāo)。其中，國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)結(jié)果是樣本中氯霉素的具體含量，秦皇島實(shí)驗(yàn)室檢驗(yàn)對(duì)于低于其檢驗(yàn)標(biāo)準(zhǔn)的樣本不顯示具體檢驗(yàn)數(shù)值，對(duì)于高于其檢驗(yàn)標(biāo)準(zhǔn)的才給出具體檢驗(yàn)數(shù)值。1數(shù)據(jù)樣本說明本文的研究目標(biāo)是88個(gè)數(shù)據(jù)樣本，每個(gè)表1目標(biāo)樣本數(shù)據(jù)一覽表

樣本編號(hào)

氯霉素含量

樣本編號(hào)

氯霉素含量

樣本編號(hào)

氯霉素含量

X1X2X1X2X1X2170.68090.264480.1630.108730.15680.101180.6510.272490.22410.101740.22230.107190.53560.235660.21340.103750.25530.101240.12470.15720.15440.108為敘述方便，以下簡(jiǎn)稱國(guó)內(nèi)蜂產(chǎn)品生產(chǎn)商檢驗(yàn)結(jié)果合格、秦皇島實(shí)驗(yàn)室檢驗(yàn)結(jié)果不合格的樣本為目標(biāo)樣本。具體的，目標(biāo)樣本數(shù)據(jù)見表1。

表1目標(biāo)樣本數(shù)據(jù)一覽表樣本氯霉素含量樣本氯霉素含量樣2層次聚類法對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析

用層次聚類法（hierarchicalclustering）對(duì)檢驗(yàn)標(biāo)準(zhǔn)分析的思路是：將可能的檢驗(yàn)標(biāo)準(zhǔn)加入88組實(shí)際數(shù)據(jù)樣本中，用層次聚類方法對(duì)樣本聚類，當(dāng)某一加入的檢驗(yàn)標(biāo)準(zhǔn)與最多的目標(biāo)樣本聚在一類時(shí)，該檢驗(yàn)標(biāo)準(zhǔn)最接近合理的檢驗(yàn)標(biāo)準(zhǔn)。2層次聚類法對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析用層次聚類法（hie我們選定的可能的檢驗(yàn)標(biāo)準(zhǔn)分別是0.05、0.1、0.15、0.2、0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.65、0.7。為了使研究更加合理，我們分別將102組數(shù)據(jù)樣本分成2、3、4、5類，對(duì)不同聚類結(jié)果進(jìn)行比較（見表2），并用能實(shí)現(xiàn)層次聚類分析的SPSS11.0軟件分析結(jié)果。

我們選定的可能的檢驗(yàn)標(biāo)準(zhǔn)分別是0.05、0.1、0.表2對(duì)樣本聚類

目標(biāo)樣本/檢驗(yàn)標(biāo)準(zhǔn)

聚類數(shù)目標(biāo)樣本/檢驗(yàn)標(biāo)準(zhǔn)

聚類數(shù)目標(biāo)樣本/檢驗(yàn)標(biāo)準(zhǔn)

聚類數(shù)5432543254321732227421110.3554321832227521110.454321943320.0511110.4543322411110.111110.543324821110.1521110.5543324921110.221110.643326621110.2521110.6532227221110.354320.73222732111

表2對(duì)樣本聚類目標(biāo)樣本聚類數(shù)目標(biāo)樣本聚類數(shù)目標(biāo)樣本聚類數(shù)

從表1可知，樣本17、18、19的工廠檢驗(yàn)值較高，明顯超過0.3，而其余樣本的工廠檢驗(yàn)值較小。因此，聚類時(shí)所有的目標(biāo)樣本不可能聚在一類，對(duì)樣本17、18、19聚類分析的參考價(jià)值不如其它樣本。從表2可知，當(dāng)將樣本分成2、3、4類時(shí)，除去樣本17、18、19外的目標(biāo)樣本都被分在第一類；當(dāng)將樣本分成5類時(shí)，它們主要在第二類。從表1可知，樣本17、18、19的工廠檢驗(yàn)值較高，明再看對(duì)可能的檢驗(yàn)標(biāo)準(zhǔn)0.05－0.7的分類：當(dāng)將樣本分成2、3、4類時(shí)，0.05－0.25的數(shù)據(jù)樣本都在第一類，當(dāng)將樣本分成5類時(shí)，它們主要集中在第二類。與可能的檢驗(yàn)標(biāo)準(zhǔn)0.3－0.7相應(yīng)的樣本的聚類結(jié)果與目標(biāo)樣本的聚類結(jié)果差別明顯。這說明，合理的檢驗(yàn)結(jié)果應(yīng)該在0.25－0.3之間。再看對(duì)可能的檢驗(yàn)標(biāo)準(zhǔn)0.05－0.7的分類：當(dāng)將樣本分成2、3基于相似合成算法的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析

以上層次聚類在方法上存在不完善的地方，這可能會(huì)影響到分析結(jié)果。其不足包括：⑴類別個(gè)數(shù)的確定主觀性強(qiáng)。如上面的分析中，到底將數(shù)據(jù)樣本分成幾類才能最恰當(dāng)?shù)胤从乘鼈冎g的相似程度未知，只能通過建模者的主觀判斷進(jìn)行試錯(cuò)分析。3基于相似合成算法的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析以⑵層次聚類方法將所有數(shù)據(jù)樣本作為學(xué)習(xí)集，從中尋找數(shù)據(jù)樣本反映的規(guī)律。但是數(shù)據(jù)樣本中包含的信息除了反映共性規(guī)律外，還有反映個(gè)性特征的信息。將所有數(shù)據(jù)樣本作為學(xué)習(xí)集得到的聚類結(jié)果可能可以很精確地反映學(xué)習(xí)集的情況，但是對(duì)于新加入的、具有同一規(guī)律性的數(shù)據(jù)樣本就可能不適用，即聚類結(jié)果不具有良好推廣能力，出現(xiàn)“過擬合”。如果這樣，那么基于層次聚類的分析結(jié)果的可信度就值得懷疑。

基于相似合成算法的聚類方法可以解決以上2個(gè)問題。⑵層次聚類方法將所有數(shù)據(jù)樣本作為學(xué)習(xí)集，從中尋找數(shù)據(jù)3.1

基于相似合成算法

的聚類方法簡(jiǎn)介由Lorence提出的相似體合成算法（AnalogComplexing，以下簡(jiǎn)稱AC）[1]是對(duì)模糊對(duì)象的預(yù)測(cè)、聚類和分類的一種序列模式識(shí)別方法，最先提出AC算法是為了解決對(duì)模糊經(jīng)濟(jì)對(duì)象的預(yù)測(cè)問題。應(yīng)用AC算法進(jìn)行預(yù)測(cè)時(shí)，一般需要待研究的過程滿足以下假設(shè)：3.1基于相似合成算法

的聚類方法簡(jiǎn)介由Loren（1）系統(tǒng)由多維過程所描述；（2）多維過程的觀察值很多（長(zhǎng)期序列）；（3）多維過程是充分有代表性的，即由基本的系統(tǒng)變量形成數(shù)據(jù)集；（4）過程的行為一般將在一段時(shí)間內(nèi)相似地重復(fù)。AC包含3個(gè)步驟[2]：1）待選模式的產(chǎn)生；2）待選模式的變換；3）相似模式的選取。（1）系統(tǒng)由多維過程所描述；3.1.1待選模式的產(chǎn)生3.1.1待選模式的產(chǎn)生3.1.2待選模式的變換

根據(jù)工作原理，對(duì)于長(zhǎng)度為k的某參照模式，在數(shù)據(jù)樣本中可能有一個(gè)或幾個(gè)長(zhǎng)度為k的相似模式。但是由于系統(tǒng)是動(dòng)態(tài)的，不同時(shí)期的相似模式可能具有不同的平均值和標(biāo)準(zhǔn)方差。因此，需要用一種變換來描述這些差異，將模式變換到同一基準(zhǔn)點(diǎn)上從而使各模式具有可比性。即為了下面將進(jìn)行的模式間相似性的度量，必須尋找待選模式到參照模式的變換。一般取線性變換為：3.1.2待選模式的變換根據(jù)工作原理，對(duì)于長(zhǎng)度為k的HACCP在蜂產(chǎn)品原料控制中的應(yīng)用培訓(xùn)課件3.1.3相似模式的選取⑴模式相似度這一步的主要目的是識(shí)別模式形狀間的相似性，其度量我們稱為模式相似度。一般地，第i個(gè)待選模式與參照模式間的距離可定義為：

模式間的相似度可由距離來度量，如定義第i個(gè)模式與參照模式的相似度si為：，顯然距離值越大，模式相似度就越小。3.1.3相似模式的選?、拍Ｊ较嗨贫娶葡嗨颇Ｊ降倪x取模式相似度計(jì)算出來以后，我們就可以根據(jù)相似度大小來選取相似模式。將AC算法與數(shù)據(jù)分組處理（GroupMethodofDataHandling，簡(jiǎn)稱GMDH）方法結(jié)合，形成了基于AC算法的聚類方法。這種聚類方法的特點(diǎn)在于，根據(jù)模式（數(shù)據(jù)樣本）之間的相似度，按照自組織數(shù)據(jù)挖掘的思想，客觀、自動(dòng)的產(chǎn)生唯一的聚類結(jié)果。為說明這種方法的工作原理，簡(jiǎn)要介紹GMDH的實(shí)現(xiàn)原理。⑵相似模式的選取模式相似度計(jì)算出來以后，我們就可以根GMDH是自組織數(shù)據(jù)挖掘（Self-OrganizingDataMining）[3]方法的核心算法，它從參考函數(shù)構(gòu)成的初始模型（函數(shù)）集合出發(fā)，按一定的法則產(chǎn)生新的中間候選模型（遺傳、變異），再經(jīng)過外準(zhǔn)則篩選（選擇），重復(fù)這樣一個(gè)遺傳、變異、選擇和進(jìn)化的過程，使中間待選模型的復(fù)雜度（complexity）不斷增加，直至得到最優(yōu)復(fù)雜度模型。GMDH是自組織數(shù)據(jù)挖掘（Self-OrganiziGMDH使用在建立中間模型過程中未用到的數(shù)據(jù)(測(cè)試集上的數(shù)據(jù))——新鮮信息（freshinformation）——計(jì)算外準(zhǔn)則值來評(píng)價(jià)、選擇中間待選模型。GMDH要求將樣本集W分為訓(xùn)練集A、測(cè)試集B,W=A∪B。在訓(xùn)練集A上的誤差體現(xiàn)了模型模擬真實(shí)系統(tǒng)的能力,在測(cè)試集B(也是已知數(shù)據(jù)，但在建模時(shí)沒有用到)上的偏差既是模型對(duì)真實(shí)系統(tǒng)模擬能力在新水平上的確認(rèn),更是對(duì)模型推廣能力的評(píng)價(jià)。GMDH使用在建立中間模型過程中未用到的數(shù)據(jù)(測(cè)試集上的數(shù)據(jù)這樣，一方面由于模型在新數(shù)據(jù)集上的擬合能力的不斷確認(rèn),其推廣能力將加強(qiáng)，這樣選出的最終模型不會(huì)過擬合，體現(xiàn)了在一定噪聲水平下模型擬合精度與推廣能力之間的最優(yōu)平衡[4]。另一方面，由于用新信息評(píng)價(jià)篩選模型，可以客觀地確定模型。這樣，一方面由于模型在新數(shù)據(jù)集上的擬合能力的不斷確認(rèn),其推最后，GMDH算法的停止法則由最優(yōu)復(fù)雜度原理給出：當(dāng)模型的復(fù)雜度逐漸增加時(shí)，模型的外準(zhǔn)則值有一個(gè)先減小再增大的過程，外準(zhǔn)則的最小值對(duì)應(yīng)了最優(yōu)復(fù)雜度模型；如果在一個(gè)篩選階段不能再改善外準(zhǔn)則值，最優(yōu)復(fù)雜度模型找到了，算法過程就結(jié)束。最優(yōu)復(fù)雜度原理保證了最終模型的唯一性。將AC與GMDH結(jié)合，可以實(shí)現(xiàn)基于AC算法的聚類方法，其工作原理如圖1所示。最后，GMDH算法的停止法則由最優(yōu)復(fù)雜度原理給出：當(dāng)模型的復(fù)圖1[2]客觀聚類分析示意圖1.數(shù)據(jù)樣本，2、3.數(shù)據(jù)劃分為A、B2部分，4、5.分別在A、B上產(chǎn)生的層次聚類樹，計(jì)算聚類平衡準(zhǔn)則BL=(k-△k)/k→min，其中k表示類的個(gè)數(shù)，△k表示相同類的個(gè)數(shù)圖1[2]客觀聚類分析示意圖1.數(shù)據(jù)樣本，2、3.數(shù)據(jù)劃分3.2用基于AC的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析結(jié)果將變量X2按照Lamdam隸屬度函數(shù)模糊化為（N-X2,ZO-X2,P-X2），其中N（negative）表示低于平均水平，ZO(zero)表示在平均水平附近，P(positive)表示高于平均水平。然后以X1和N-X2,ZO-X2,P-X2為變量，對(duì)102個(gè)樣本聚類（將可能的檢驗(yàn)標(biāo)準(zhǔn)加入數(shù)據(jù)樣本時(shí)作如下處理：假設(shè)S代表合理的檢驗(yàn)標(biāo)準(zhǔn)，那么氯霉素含量小于S的產(chǎn)品不應(yīng)該是目標(biāo)樣本。3.2用基于AC的聚類方法

對(duì)檢驗(yàn)標(biāo)準(zhǔn)的分析結(jié)果將如假設(shè)0.3是合理的檢驗(yàn)標(biāo)準(zhǔn)，那么工廠檢驗(yàn)值為0.05、0.1、0.15、0.2、0.25的數(shù)據(jù)樣本在秦皇島檢驗(yàn)中應(yīng)該合格，檢驗(yàn)值為0.35、0.4、0.45、0.5、0.55、0.6、0.65、0.7的數(shù)據(jù)樣本在秦皇島檢驗(yàn)中應(yīng)該不合格，是目標(biāo)樣本）。如假設(shè)0.3是合理的檢驗(yàn)標(biāo)準(zhǔn)，那么工廠檢驗(yàn)值為0.05、0.分別假設(shè)0.05－0.7為檢驗(yàn)標(biāo)準(zhǔn)，按照相似度超過95%的數(shù)據(jù)樣本聚為一類的辦法，用能實(shí)現(xiàn)