科学网 › 标签 › 辨识

标签: 辨识

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

今年毕业六位: 热度 4 zhuyucai1 2019-6-6 13:47; 本没有计划当教授（中学时的梦想是当中学老师），阴错阳差来到了浙大。由于不太会包装自己，报我的研究生和毕业设计都不多。多亏同事帮忙、照顾，才不至每年断季。但今年是高产年，研究生加本科生一共毕业六位。能把自己的学术思想传下去，实在欣慰。亮亮他们都干了啥。（1）本科毕业生Z. 考上了我的研究生，提出跟我做毕业设计。研究基于系统辨识的传感器故障诊断与模型替代，得到不错的结果。（2）本科毕业生H. 研究因果分析和基于因果关系的网购推荐系统，证明使用系统辨识可以确定动态变量之间的因果关系。 (3)本科毕业生N. 研究股票波形特征提取及短期投资策略，找到一种波形，预测准确率为60%，平均投资收益3%. 不知这结果能否帮自己发财。（4）硕士毕业生G. 研究基于系统辨识的系统健康监测和故障诊断，提出的方法在仿真和实体的系统的到验证。我一直认为实用的故障诊断技术离不开系统辨识，现在开始做一些研究。（5）硕士毕业生L. 研究四旋翼飞行器的多变量辨识与多变量控制，辨识和控制方法均由真实的飞行数据来验证。飞行器摔得快散架了。（6）博士毕业生Y. 研究多变量系统的闭环无激励的可辨识问题。多变量自适应控制是控制人做了60多年的梦，也是我的梦。对于基于模型的控制方法如MPC,多变量系统的闭环可辨识问题是第一个基本问题。得到了一些多变量系统的构造性结果。另外，该学生还研究了使用LPV模型建立动态软测量模型的方法，并用工业数据验证了方法的有效性。; 3735 次阅读|7 个评论

预测混淆与贝叶斯公式: 热度 18 xying 2017-4-24 07:32; 张老师科普概率悖论，以王宏血捡为例谈患病的概率【 1 】。科学网热议时，我正在智利、阿根廷旅游。高同学亢声惊人【 2 】，被围殴抱头而去【 3 】。后来多人谈贝叶斯，很是娱乐，高空论剑，云遮雾绕，惘者益惘，不信者仍然不服，待我到家，已是笑渐不闻声渐消了。科学网博文中贝叶斯科普确实不错。但是高同学咭言，从检查结果得到患病概率不必用贝叶斯公式计算，直接从混淆矩阵统计就可得出，这个知识点被大家忽略了。这既怪他理解模糊，也怪围殴者把混淆打成了糊涂，其实这矩阵表达的是辨识混淆的状态分布，是可以直接从中得到王宏得病概率的。自从 1998 年 Ron Kohavi 和 FosterProvost 用混淆矩阵（ confusion matrix ）来说明预测误差与分类辨识的关系，得以厘清识别训练追求的目标，它已成为机器学习以及数据科学的基本知识。以此来解释各种误差指标和预测的效用，远比通过概率和贝叶斯公式来得直观清晰。下面普及混淆矩阵这个知识点，不从主观概率角度，只用统计比例来谈王宏患病的可能性。混淆矩阵可以用于多类的辨识，最基本的辨识是二值分类，它与实际分类的组合有真阳性（ TP ），假阳性（ FP ），假阴性（ FN ），真阴性（ TN ），即辨识正确和错误混淆的四种情况。把检验辨识正误结果的样本数量分别放在这四种情况的表中，称为混淆矩阵。通常它是在测试机器辨识功能时，统计结果得到的。在王宏的故事里，血检对有这病和无这病分别有 1% 的误判率，有这病只占 0.1% 的人口，下面是一个模拟符合这分布数据的混淆矩阵例子。它具有 100000 个测试样本。实际情况 \ 辨识结论阳性 B 阴性 ~B 有病 A TP =99 FN = 1 无病 ~A FP = 999 TN = 98901 表 1 用此可以统计各种误差指标的比率。有病情况下检查出阳性的比率，称为敏感度（ sensitivity ）， P(B|A) = TP/(TP+FN) = 99% ；无病查出阴性的比率，称为特异度（ specificity ）， P(~B|~A) =TN/(FP+TN) = 99% ；有病样本的比率 P(A) = (TP+FN)/All = 0.1% ， All = TP+FN +FP+TN ；被检查出阳性被证实有病的比率（准确度 precision ） P(A|B) = TP/(TP+FP) = 99/(99+999) = 9% ，与讨论中用贝叶斯公式算出来的一样。这些都是直接从混淆矩阵中得到的统计结果。这里 P 是比率的意思，不涉及到概率的概念，仅是用相同的符号表达矩阵中测试结果统计出的比率值。注意到在检测中样本阳性的比率 P(B) = (TP+FP)/All ，不难从它们定义中得出 P(A|B)=P(B|A)P(A)/P(B)的关系。如果这些样本的取样，符合实际人群的分布，那么这些统计的比率就可以解释成概率，个体如果不是自外于统计群体中的芸芸众生，这些概率便是预测的可能性。表中得出的比率关系 P(A|B)=P(B|A)P(A)/P(B) 便是贝叶斯公式。根据检查出阳性的信息 B ，可以把王宏患病的估计 P(A) ，改进到 P(A|B) ，贝叶斯公式联系起它们。所谓的先验概率是指在得到 B 知识之前，对 A 的估计 P(A) ，后验概率指之后的估计 P(A|B) 。从表中可以很清晰地看到这后验之于先验估计，其实是限于阳性 B ，把原来涉及到全表四个变数的估计，排除到只需要阳性 B 这一列的两个变数。信息改善了估计，这便是贝叶斯公式的哲学含义，如此而已。为什么不用人们熟悉的精确度来估量预测的功效？因为通常精确度（ accuracy ）指的是正确辨识的比率 Acc = (TP+TN)/All ，它用于分类预测中会引起很大的误解。例如这个例子中精确度 Acc = 99% ，如果机器坏了，血检总是给出阴性平安无事的报告，因为有病的人只占 0.1% ，它的辨识精确度达到 Acc = 99.9% ，比机器没坏前还高。人们习惯误用熟悉的指标，所以平庸无为往往比勇于任事有更好的考绩。混淆矩阵可以让你清晰地了解分类辨识中混淆的可能，以此可以定义不同预测效用的指标，让机器学习在训练中追求，以形成合适的辨识智能。例如保安系统的异常检测，要求敏感度很高，机场检测门，机器宁可误响让人随后搜身，也不希望错过。高同学也属敏感度很高的学术异见者，尽管误报率也很高，对促进科学网讨论还是很有贡献的。分类预测常用的更好指标是 F1 = 2/(1/P(A|B)+1/P(B|A)) = 2TP/(2TP+FP+FN) ，它追求有均衡敏感度和准确率。例如上面例子的 F1=99% ，机器坏了时 F1=0. 有兴趣可以阅读【 4 】及机器学习有关的课文。对于预测的准确率 P(A|B) ，人们感到不解的是：分类辨识检测的是样本模式，验血查王宏血样的模式，查的就是所有可能模式中的哪一种，这跟世界人民多少得病有毛关系？比如说王宏故事中血样有 200 种模式，机器把其中 100 种归结为阳性，对了 99 种，又错失了 1 种，即有 1% 的假阳性和 1% 的假阴性，把它们列为混淆矩阵如下：所有模式 \ 辨识结论阳性 B 阴性 ~B 有病模式 A TP =99 FN = 1 无病模式 ~A FP = 1 TN = 99 表 2 验血查的是王宏不是世界人民，他的阳性指标说明他的血样符合 99 个真的有病模式和 1 个误判的模式之一，按此，有病的可能性 P(A|B) = 99% ，干嘛还要扯上世界人民来个贝叶斯？这是高同学、黄同学的主张。请不翻书，别往下看，沿着他们的思路认真想一想，这有错吗？。。。。。。表 1 计算王宏是 9% 概率有病，表 2 是 99% ，两个混淆矩阵对预测的准确率 P(A|B) 计算出的数值不同，它们的差异在于，表 1 是按照人群患病的比例来取样统计的，而表 2 是按照血样的模式来统计的。到底该用哪一种来计算预测的准确率？机器检测查的是给定的样本，其敏感度 P(B|A) 和特异度 P(~B|~A) 只辨识模式，确实与其他人患病率无关。用这两个表计算结果都是一样的。但计算预测的准确率，却不能将论域中所有的模式的出现视为均等。这准确率指的是，到底有多少个（而不是多少种）真正有病的模式被机器认为是有病的。在表 2 中，有病和无病模式各有 100 种，但从统计得知有病只占 0.1% ，也就是说这 100 种的无病模式出现个数的频率是有病模式的 999 倍，检查为假阳性的那个误测模式个数出现的比率也比表 2 增大了 999 倍。王宏的患病可能性与其他人无关，但他血样各种模式的出现频率却可以由人群中统计得知。这时就需要用贝叶斯公式的计算来修正。而表 1 中的样本已经直接反映了这些模式的个数分布，在这例子中血检阳性说明，王宏的血样是 99 个不同有病模式和 999 个同一种误判模式之一的情况，所以这时不需要贝叶斯公式，便能直接得出预测的准确率是 99/(99+999)=9%. 王宏血检阳性后有 9% 可能患病，马上再做一次血检，用贝叶斯公式有助于改进概率估计吗？不必深究条件概率的理解，模式辨识的混淆矩阵告诉你这不可能。两次概率完全是一样的，除非你考究人为和噪音的误差。检测报告讲概率找抽吗？你落后了。我每次做检查都要一份报告自己看，美国血检报告异常项的确有时附上统计患何病的比率，提醒进一步检查。它贴心告诉的是预测准确率，而不是给出敏感度，让你纠结怎么去计算。【参考资料】张天蓉博文，概率论悖论 http://blog.sciencenet.cn/blog-677221-1042909.html 高山博文，我用公式说明科学网一个概率问题的错误 http://blog.sciencenet.cn/blog-907017-1043262.html 杨正瓴博文，概率论 - 统计学学派：袁贤讯、高山、徐晓、张天蓉… http://blog.sciencenet.cn/blog-107667-1048435.html Wikipedia ， Confusionmatrix https://en.wikipedia.org/wiki/Confusion_matrix; 个人分类: 科普|20610 次阅读|135 个评论

苦苣苔科一种植物采集札记: 热度 1 李智选 2016-10-28 20:12; 苦苣苔科一种植物采集札记一采集日记 2007 年 7 月 22 日星期日晴天一大早大约 6 时我便起床，草草吃了点，赶去西安市长安区的秦岭北坡爬山锻炼身体，顺便采集植物标本，“扫些”植物活体标本照片。我随爬山队去。一路上大家说说笑笑，为了方便我常常是走在队伍的最前面或最后面，采集我的植物标本，拍我的植物照片。不知不觉队伍便很快到了一个小山顶。这时我走在爬山队伍的最后，抬头一看，一个庙宇高高在上，庙宇的地基建立在山梁上，地基是用就地取材的大小石头碓砌起来，形成一个陡坡，常而往之石头缝里便有了腐殖土。我们是从北坡上的，因此这里是一个背阴稀树的，当天下雨时有水，不下雨时，阴凉干燥的环境。就在这样的环境我发现了苦苣苔科的牛耳草也称猫耳朵（ Boea hygrometrica ）。看其花虽小，但较繁茂，多个植株的花汇成一小丛一小丛淡淡的蓝紫色的花，花的质地是透明的薄膜状，植株翠绿娇嫩，有如“姿无点辱，芳意托幽深，不知忧伤是何人”唐诗之意境，使人欲想怜爱抚摸、近闻它的清香，但又有几分的怜悯，几分爱戴，恐有辱伤，那怕是很微小的。略有环境保护意识的人不可能采集大量的花朵，自己欣赏，使它们脱离其生长环境，最终给植物带来最终的死亡。就连我们采集标本都是只采集两三株，如果只有两三株的话就只采集 1 株，如果只有一株的话就不采集或者只采集一个或部分茎枝。以确保和生态环境保护不被破坏，此地的植物小种群得以延续，大家都这样做的话，整个植物、动物等物种生物多样性就得到保护，也就是保护了我们人类赖以生存的环境。二关于本种植物的观察和鉴定通过前面三张照片的观察，我对着秦岭植物志查了一下，初步认为是金盏苣苔、石花或者是中华石蝴蝶。但是把书翻到苦苣苔科的属的检索表的描述，有一个重要特征，就是蒴果成熟时螺旋状卷曲。前三张照片的拍摄时间是 2007 年 7 月 22 日。这时候植物处于开花盛期，看不到子房的旋转等特征，更没有果实，照片不能反映果实的情况。为了观察这个特点，在当年的 8 月 26 日我又到了此地进行拍摄，这就有了第 5, 、 6 张照片，其果实明显可以看到具有螺旋状卷曲。回过头再看当年 7 月 22 日拍摄的照片即第 4 张，这张照片一朵花处于开花盛期，一朵是开花末期，从后面一朵花的（受精后）子房，也即幼果上也能看到些许旋转的迹象。照片 3 、 4 、 5 连起来看的话就是本种植物果实的一个发育过程吧。通过一个多月的等待，我得出本种植物的名字：苦苣苔科旋朔苣苔属的猫耳朵（ Boea hygrometrica ）。有几点值得注意，植物照片（标本）必须有花才能鉴定清楚；照片中的花不能翻动、剥离、解剖。另外苦苣苔科的植物比如旋蒴苦苣苔的果实在成熟时才旋转，而照片（标本）不一定就是果实成熟期。; 个人分类: 科研|5200 次阅读|2 个评论

说说解耦: 热度 4 zhuyucai1 2016-10-16 23:02; 对于一个多输入多输出系统，耦合是指两个或两个以上的被控变量（输出）存在相互作用而彼此影响。从模型的角度来讲，系统的传递函数矩阵不是对角阵的系统就是耦合系统。从控制理论的角度解释，解耦控制分两个步骤。第一步，使用补偿算法来消除各被控变量耦合作用，使（解耦后）每一个输入只控制相应的一个输出，每一个输出又只受到一个控制的作用。从数学上说，解耦补偿就是把一个非对角传递函数矩阵变成一个对角矩阵。第二步使用单变量控制技术，多为 PID 控制，为解耦后的对角系统设计单变量控制器。注意，就算第二步的 PID 设计不需要模型，第一步的解耦补偿是需要被控对象的数学模型的。在工程应用中，上面两步又常常是倒过来的。第一步，控制工程师对多变量耦合系统进行输入输出配对，一对叫一个回路，并设计相应的单变量 PID 控制器；第二步，对各回路的耦合作用进行 “ 前馈补偿 ” ，其实就是解耦补偿，很多只是静态补偿。两步都没用使用显式的模型，只是通过试错实验。电厂的协调控制就是这样做的。由于测试是闭环的，又是多变量，做起来很复杂。这种方法，把技术做成了艺术，悟性强的工程师可以掌握，悟性差的人一辈子也学不好。从控制学科发展史的角度来看，解耦控制是在多变量控制理论和方法成熟之前的阶段性理论和方法。对于多变量被控对象，现在有多种基于模型的控制理论和方法，比如 LQG ，鲁棒控制和模型预测控制。这些本质多变量的方法，不需单独考虑解耦补偿，一般来说，他们都自然包含解耦功能，控制品质要高于解耦控制。 1980 年代以来，控制学术界关于解耦控制的研究已经很少。在工业预测控制界，大家也不谈什么解耦。但在基于 PID 的传统控制界，由于耦合问题不好解决，大家总是谈论它。系统辨识中的 “ 解耦 “ 问题我在讲多变量系统辨识时，常有人问我多变量系统辨识中是怎么解耦的。这把我整得很丈二和尚。我就反问： ” 解耦是个控制问题，你怎么把它弄到辨识这里了？ “ 其实，他 ( 她 ) 的问题是：怎样从一组多变量测试数据中辨识出每个传递函数的模型，即多变量系统的可辨识性问题。然后，我用比喻的方法回答该问题：如果单变量系统辨识是解单元未知数方程，多变量系统辨识就是解多元未知数联立方程，没什么神秘的。; 11708 次阅读|8 个评论

一篇文章是这样炼成的（七）：文章正式发表: 热度 4 zhuyucai1 2015-12-29 21:57; 文章的联接是 http://authors.elsevier.com/a/1SEvP1AMujL0z , 有效期到 2016-02-09. 有兴趣的同事欢迎下载。在结束这个系列前，王婆卖瓜一下，自我欣赏两下。这是系统辨识界几十年来第一次解决参数估计中非凸优化的全局最优解问题，是能进教科书的成果，或者说是能传世的文章。作为研究者，这是最高境界了。虚荣心得到极大的满足。注意算法中的 SM 迭代并不是梯度寻优，说明有时歪把式的方法能胜过正规军。这对研究数值优化的学者也许有点启示。给年轻人传点道。抓住一个或几个意义重大，但貌似不可解决的问题，想他十几二十年。哎，解决了！（这年头，谁有这耐性！）我用这篇文章要挟学院领导，给我提供今后五年的科研经费，好让我安心做科研，不被申请经费而干扰。结果是：不灵. 一篇文章是这样炼成的（一）一篇文章是这样炼成的（二）一篇文章是这样炼成的（三）：让阶次飞一篇文章是这样炼成的（四）：署名问题一篇文章是这样炼成的（五）：二审结果出来了一篇文章是这样炼成的（六）：文章接受了。。。一半; 4333 次阅读|14 个评论

控制如何不死？--- 5. 发电机组的模型辨识并不难: 热度 7 zhuyucai1 2015-8-23 14:21; 前面说过，要使控制学科健康发展，需要有人对各行业的装置 / 装备进行建模、控制和优化，而不是人人去写理论文章。 5 年前我们团队开始燃煤发电机组的先进控制和燃烧优化的工作。在电力行业推销我们的预测控制技术，得到的典型回答是锅炉比石化装置更复杂，辨识建模不可能。你信这个鞋，就什么都不用干了。仔细想一下，说这话的人自己并没有搞过锅炉的建模和辨识，只是人云亦云。可笑的是见了谁都会这样说。我以前没搞过锅炉控制。为了打破这人云亦云的被动局面，我多次去电厂做辨识测试和建模工作。现在一台 600MW （ 60 万千瓦）超临界机组的项目到了结尾阶段。项目包括汽温控制、协调控制、汽温纠偏和燃烧优化。我从头到尾参加，去电厂的次数都数不清了。现在可以讲了：锅炉的模型辨识比石化装置还容易，这是因为：（ 1 ）变量少，（ 2 ）动态响应快，（ 3 ）被控变量容易测量。负荷和煤种的变化引起的问题不难解决。燃煤发电机组的预测控制和燃烧优化大有可为！; 3667 次阅读|16 个评论

控制如何不死？--- 3. 模型，模型，还是模型: 热度 7 zhuyucai1 2015-6-21 12:22; 通信、计算机、微电子等学科日新月异，其理论和技术的应用是当今世界发展的火车头。与其相比，控制学术界可以说是没脸见人了。那么多聪明人搞了半个世纪，到头来应用的还是 PID 。你可以说预测控制（ MPC ）不是有应用吗？但工业界用的 MPC 都是人家自己搞的，与控制学术界没有几毛钱的关系。近 20 年学术界大搞 MPC ，只是发发 SCI 而已。 MPC 是怎么成功的？从 1980 年代起， DMC 是工业应用最成功的。为什么？ DMC 的创始人 Charlie Cutler 告诉你秘诀：“我们有一套阶跃测试和模型辨识的方法。”所以，预测控制的成功靠的是良好的模型，而不是优化方法什么的。 Charlie Cutler 还有一句名言大家牢记不忘：模型的精度有多高，控制的品质就有多高。控制学术界与工业界经验背道而驰：模型不行我搞鲁棒控制，还不行我搞智能控制，就是不在模型上下功夫。乌泱乌泱的， SCI 滚滚而来。工业应用呢？有一个机理建模的故事。搞乙烯炉的人可能都听说过 SPYRO. 该软件是两位意大利教授建立的乙烯炉机理模型，能够计算出各种工况下的反应深度及产品收益，可以用来流程优化，经济效益非常高。多年前，该软件被荷兰的 KTI 公司商业化，（ KTI 后被 Technip 公司收购，）至今都是乙烯炉控制优化的标准技术。一套软件 3~5 百万人民币。我们团队两位老师与化工系老师合作，研发聚合物分子量分布的机理模型以及计算优化，已经投入了几十人年工作量。一旦成功，将为生产高品质塑料产品提供技术保障，打破西方技术封锁。复杂工业装置的机理建模和计算是个大力气活，不流汗是做不出来的。应用基于模型的控制优化技术，关键是建模，没有捷径。或者建模，或者死亡。; 7041 次阅读|16 个评论

冬季警惕围巾成绞索的危险: 热度 2 lanxum 2015-1-30 16:34; 冬季警惕围巾成绞索的危险 150130 李健前不久，河北一 10 岁女孩在乘坐电动车时，不小心围巾被绞进车轮里，造成脊椎断裂，致全身瘫痪。这样的案例已不鲜见。 2014 年 2 月，新疆乌鲁木齐一 8 岁女孩在滑雪场滑雪时跌倒，围巾及手套瞬间被卷入转动的传送带装置里致丧命。另一个案例， 1927 年，美国舞蹈家、现代舞创始人邓肯乘车时因长围巾一端不慎脱落到车轮底下，车开动时，围巾缠住车轮将邓肯脖子勒断，因一条围巾断送了她 50 岁的生命。生活中安全隐患很多，要学习辨识、积累。你不注意它，它就会来“关注”你。不要让围巾成夺命绞索，注意安全细节，避免不安全动作，观察环境，远离有可能围巾被卷入的危险设施、物品，再比如，旋转门、电梯、车门等等。 http://v.china.com.cn/news/2015-01/24/content_34643351.htm 再看看这个，两个人戴一条围巾！ http://news.ifeng.com/gundong/detail_2012_12/12/20063971_0.shtml; 个人分类: 安全生活|4151 次阅读|2 个评论

转基因食品辨识上的两个误导: 热度 2 jiangjiping 2014-5-26 04:05; 转基因食品辨识上的两个误导蒋继平 2014 年 5 月 26 日我从我的博客评论和国内的一些媒体报道中得到的一个印象是：有些人在转基因食品的辨识上传播着明显的错误概念。这些错误概念对人民日常生活会造成不良的影响，因而，有必要用科学的知识和信息来给于正确的纠正。第一个误区是：转基因食品可以通过外形和大小来识别。有一位读者在我的博客评论中说：他的一位在美国的堂哥回国期间说，美国的转基因食品很普遍，美国的西瓜是转基因的，很大，有脸盆这么大。我看到这个评论后，立即回复说，你堂哥在忽悠你不懂转基因的基本知识，也欺负你没有到过美国。美国现在根本没有转基因西瓜被批准商业化生产。没有商业化生产，哪能有转基因西瓜出售？我就是这方面的专家。这位读者还是比较理性的，他收到我的回复后，继续评论道：可能他堂哥没有弄清楚转基因食品的概念。其实，我当时的回复由于篇幅的原因，没有详细地说明更多的信息。美国目前市场上出售的大西瓜都是通过传统的育种方式培育而成的。我曾经与美国的五位西瓜育种家一起合作培育优良的西瓜新品种。三位是 Seminis （现在被 Monsanto 收买）的，两位是 Syngenta 的。他们五位研发的西瓜品种至少占美国西瓜市场的 50% 以上。他们都没有用转基因技术来改良西瓜的性状，而是通过传统的杂交方式来获得需要的性状。而且，就我所知，其他种子公司的西瓜育种者也没有采用转基因的技术。不管这么说，到现在为止，美国没有转基因西瓜成为合法的食品在市场上销售。因而，认为很大的西瓜是因为转基因造成的新品种的说法是没有根据的，是不符合实际的，也是不科学的说法。还有的人宣称圣女果是转基因蕃茄。我不知道他们的依据是什么。但是，从他们的言词中可以看出他们的依据好像是果子的外形和大小。但是，从我个人的经历来说，圣女果不是转基因产品。我曾经与 10 多位蕃茄育种家一起合作过，这些蕃茄育种家在几家大型蔬菜种子公司任职，他们没有一位从事转基因的研发。这 10 多位蕃茄育种家都是美国的主要蕃茄研发者，市场占有率很高。目前美国市场上经销的圣女果都是经过传统育种培育而成的，没有任何转基因的产品。大家可以通过美国农业部和食品药品管理局证实我的说法。国内有些网站还说可以通过大豆的外形来判断是否是转基因的品种。他们说外形均匀一致的是转基因产品。这种说法一点儿科学道理也没有。是否转基因，一定要看是不是有外源基因的人工导入，这个外源基因不属于大豆本身的，比如说， Bt 基因，或者抗除草剂基因。所以，要知道大豆品种是否转基因产品，必须经过科学的检测才能确定，外形上是根本不可能看出来的。第二个误区是，美国的转基因食品有特别的号码标示。我第一次看到这个信息是从一位斯坦福（ Stanford ）大学的一位博士后的博文中获得的。这位博士后说美国超市充满转基因食品，那些以“ 4 ”字为首编号的食品都是转基因产品。看到这个信息，我去美国几家超市做了一个专门调查。调查的结果是：超市绝大多数果蔬都是以 4 字为首编码，但是，它们绝大多数都不是转基因产品。比如说，几乎所有的新鲜水果都是以 4 为首标示，但是，这些新鲜水果没有一种属于转基因产品。只要有一些基本常识的人都知道美国现在还没有转基因苹果，柑桔，香蕉等水果。当我指出这个问题后，这位博士后还要说我的信息不准。我后来查了一下这位博士后的专业，果然不出所料，是搞生物工程的，也可能是从事转基因研究的。一个知名大学的博士后，能够如此名目张胆地公然违背客观事实，实在令我感到吃惊。综上所述，要知道是不是转基因产品，靠外形是不可能看出来的。在美国超市，食品号码标示不能确定是不是转基因。这是因为美国政府没有要求对转基因食品进行特别标示。因而，宣称通过外形和号码标示可以确认转基因食品的说法是误导，千万不要上当受骗。要想知道某些食品是不是转基因产品，首先要有较为可靠的信息，这些信息应该是目前已经有哪些转基因食品正式上市。要是我们日常食用的食品还没有转基因产品，你为何担心是转基因食品？我要说的是，目前真正的转基因食品是少得很，把我的眼睛蒙起来，让我到超市的货架上取食品，我想我很可能拿不到真正的转基因食品。; 个人分类: 转基因|2910 次阅读|4 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 辨识

相关帖子

相关日志

关闭安全验证