决策树和贝叶斯算法的突发事件分类分级方法、装置及系统制造方法及图纸

本发明专利技术涉及一种基于决策树算法和贝叶斯算法的突发事件分类分级方、装置及系统，该方法包括：S1、对预先分级分类事件库进行特征划分，构建训练样本集；S2、根据训练样本集，分别利用ID3算法、C4.5算法、CART算法，构建三个决策树分类分级模型；S3、根据训练样本集，构建并训练贝叶斯分类器；S4、对待分类分级事件进行关键特征属性提取；S5、根据事件特征属性利用三个决策树模型进行分类，得出三个分类结果；S6、根据事件特征属性利用贝叶斯分类器对S5中的三个分类结果计算该类别的概率，取概率最高的作为最终分类结果。本发明专利技术的方法，能够提升单一算法的分类准确性，有效的弥补了决策树算法对连续性的字段比较难预测的缺点。

Classification and grading method, device and system of emergency decision tree and Bias algorithm

The invention relates to a classification and grading square, device and system of sudden event based on decision tree algorithm and Bias algorithm. The method includes: S1, the feature division of the pre classified classification event library and the construction of training sample set; S2, according to the training sample set, using ID3 algorithm, C4.5 algorithm, CART algorithm, Gou Jiansan, respectively. A decision tree classification classification model; S3, according to the training sample set, construction and training of Bias classifier; S4, treatment of classification and classification of the key characteristics of the feature extraction; S5, according to the feature properties of the three decision tree model for classification, three classification results are obtained; S6, based on the characteristic attribute of the event use of the leaf leaf The classifier calculates the probability of the three classification results in S5 and takes the highest probability as the final classification result. The method of the invention can improve the classification accuracy of the single algorithm, and effectively make up for the shortcomings of the decision tree algorithm which is difficult to predict the continuous fields.

【技术实现步骤摘要】
决策树和贝叶斯算法的突发事件分类分级方法、装置及系统
本专利技术涉及智慧城市
，具体涉及一种决策树算法和贝叶斯算法相结合的突发事件分类分级方法、装置及系统。
技术介绍
在公共安全指挥控制领域，预案及历史方案的匹配时提高事件处置效率的关键步骤。预案及历史方案的匹配依赖于事件的分类分级。当前，国内外对突发事件分级分类通常有两种形式：一是纯人工判定，根据历史突发事件情况，人工总结出相关核心特征，形成指标体系，当新的突发事件到来时，依据指标，人工判断事件的类型和级别；二是人工+自动判定，首先通过人工总结出突发事件核心特征，形成指标体系，当新的突发事件到来时，交由机器来计算事件的类型和级别。现有的处理突发事件分级分类的方法，都是利用传统的机器学习技术，比如贝叶斯网络、SVM支持向量机算法、模糊决策法等。然而，这些方法在在一定程度上适用范围窄，准确度比较低，不能使用现有的突发事件分类分级的需求。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供了一种基于决策树算法和贝叶斯算法的突发事件分类分级方法、装置及系统，有效弥补了决策树算法对连续性的字段比较难预测，当类别太多时，错误可能就会增加和在本文档来自技高网...

【技术保护点】
一种基于决策树算法和贝叶斯算法的突发事件分类分级方法，其特征在于，包括：S1、对预先分级分类事件库进行特征划分，构建训练样本集；S2、根据训练样本集，分别利用ID3算法、C4.5算法、CART算法，构建三个决策树分类分级模型；S3、根据训练样本集，构建并训练贝叶斯分类器；S4、对待分类分级事件进行关键特征属性提取；S5、根据事件特征属性利用三个决策树模型进行分类，得出三个分类结果；S6、根据事件特征属性利用贝叶斯分类器对S5中的三个分类结果计算该类别的概率，取概率最高的作为最终分类结果。

【技术特征摘要】
1.一种基于决策树算法和贝叶斯算法的突发事件分类分级方法，其特征在于，包括：S1、对预先分级分类事件库进行特征划分，构建训练样本集；S2、根据训练样本集，分别利用ID3算法、C4.5算法、CART算法，构建三个决策树分类分级模型；S3、根据训练样本集，构建并训练贝叶斯分类器；S4、对待分类分级事件进行关键特征属性提取；S5、根据事件特征属性利用三个决策树模型进行分类，得出三个分类结果；S6、根据事件特征属性利用贝叶斯分类器对S5中的三个分类结果计算该类别的概率，取概率最高的作为最终分类结果。2.根据权利要求1所述的方法，其特征在于，所述突发事件分级分类具体包括：所述突发事件分成自然灾害、事故灾难、公共安全事件和社会安全事件四类；所述突发事件分级性质、严重程度、可控性和影响范围四个因素分为特别重大、重大、较大和一般四个等级。3.根据权利要求1所述的方法，其特征在于，所述步骤S2中利用ID3算法构建决策树模型，具体包括：计算每个事件的每个属性的信息增益；选择信息增益最大的特征属性作为最终的分裂点进行分支划分。4.根据权利要求3所述的方法，其特征在于，所述计算待分类分级事件的每个属性的信息增益，具体包括：计算每个事件的每个属性的期望值；根据所述期望值计算每个属性的期望信息需求；根据所述期望信息需求分别计算每个属性的信息增益。5.根据权利要求1所述的方法，其特征在于，所述步骤S2中利用C4.5算法构建决策树分类分级模型，具体包括：计算每个事件的每个属性的信息增益；根据所述信息增益，计算每个属性的信息增益率；选择信息增益率最大的特征属性作为分裂点进行分支划分。6.根据权利要求1所述的方法，其特征在于，所述步骤S2中利用CART算法构建决策树分类分级模型，具体包括：计算每个事件的每个属性的不纯度；根据所述每个属性的不纯度，计算每个分支的GINI指数；选取每个分支的GINI指数最小的特征属性进行分支划分，得到CART决策树模型。7.根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：基于训练样本集，根据贝叶斯定理构建贝叶斯分类分级器；利用贝叶斯分类分级器计算各事件特征属性在各分类分级结果的条件概率，对所述贝叶斯分类分级器进行训练。8.根据权利要求1所述的方法，其特征在于，所述步骤S4具体包括：利用中文分词技术对待分类分级事件进行关键特征属性提取。9.根据权利要求1所述的方法，其特征在于，所述步骤S4具体包括：根据样本集中事件的特征属性划分，对事件采用分词和关键字匹配，抽取待分类分级事件的关键特征属性。10.一种基于决策树算法和贝叶斯算法的突发事件分类分级装置，其特征在于，包括：训练样本集构建模块，用于训练对预先分级分类事件库进行特征划分，构建训练样本集；决策树分类分级模型构建模块，用于根据构建的训练样本集，分别利用ID3算法、C4.5算法、CART算法，构建三个决策树分类分级模型；分类器构建模块，用于根据训练样本集，构建并训练贝叶斯分类器；特征提取模块，用于对待分类分级事件进行关键特征属性提取；分类模块，用...

【专利技术属性】
技术研发人员：华婷婷，孙苑，王冉，陶卫峰，游庆根，龚少麟，林宇，童号，陶骏，徐斌，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏,32