权重计算方法及装置、消防车辆调派的推荐方法及装置制造方法及图纸

本发明专利技术公开了特征属性的权重计算方法及装置、消防车辆调派的推荐方法及装置，包括：按照同类案例中好案例被选择的概率高于差案例的原则从案例库中抽取一个参考样本；形成参考样本的第一样本集合和第二样本集合，第一样本集合由k个同类最近邻样本组成，第二样本集合由k个异类最近邻样本组成；计算与参考样本对应的每个特征属性的第一平均差异值和第二平均差异值；重复上述过程，直至抽取了n个参考样本；根据n个参考样本对应的每个特征属性的第一平均差异值和第二平均差异值，计算对应特征属性的权重。本发明专利技术通过优化参考样本的筛选方法，提升了合理样本的权重影响，从而提高了特征权重的准确度及合理性。征权重的准确度及合理性。征权重的准确度及合理性。

【技术实现步骤摘要】
权重计算方法及装置、消防车辆调派的推荐方法及装置


[0001]本专利技术涉及消防车辆调派领域，尤指一种特征属性的权重计算方法及装置、消防车辆调派的推荐方法及装置。

技术介绍

[0002]城市火灾容易造成大量的人员伤亡和财产损失，近年来，随着城市火灾发生的机率不断上升，社会和人民对消防灭火救援提出了更高的要求。
[0003]消防救援中消防车辆的调派方案，传统方式是依靠人工经验决策，但人工经验决策具有一定的随意性和盲目性，且比较耗时。目前有通过对历史案例的检索研究，找到一相似案例，用该相似案例辅助决策者快速制定解决方案。
[0004]对于历史案例的检索研究，一开始大多使用的是KNN均权法的检索策略，未考虑特征属性对权重的影响，这会使检索结果有一定的偏差。后续考虑了特征属性的权重差异，如专利《CN110059118A特征属性的权重计算方法及装置、终端设备》，该专利通过在训练集的每类样本中随机抽样n次计算特征权重后求平均，降低了样本分布差异对特征权重的影响，可以得到更有效的特征权重，从而提高了检索结果的准确性。
[0005]但是该专利的权重计算方法，基本要求样本是均匀分布的，没有考虑合理样本和不合理样本的权重差异，没有将好案例和差案例进行差别对待。实际应用中案例样本往往是各类别样本的分布不均匀，且合理样本数目不高，若所选取的样本无法有效代表实际情况，比如，差案例偏多，则容易导致计算出来的权重产生偏离。因此有必要对特征属性的权重计算做进一步优化。

技术实现思路

[0006]本专利技术的目的之一是针对现有技术中存在的问题，提供特征属性的权重计算方法及装置、消防车辆调派的推荐方法及装置。
[0007]本专利技术提供的技术方案如下：
[0008]一种特征属性的权重计算方法，包括：按照同类案例中好案例被选择的概率高于差案例的原则从案例库中抽取一个参考样本；
[0009]形成所述参考样本的第一样本集合和第二样本集合，所述第一样本集合由从与所述参考样本同类的样本中取出的k个与所述参考样本距离最小的样本组成，所述第二样本集合由从与所述参考样本异类的样本中取出的k个与所述参考样本距离最小的样本组成；
[0010]根据所述参考样本、所述参考样本的第一样本集合和第二样本集合中的所有样本，计算得到与所述参考样本对应的每个特征属性的第一平均差异值和第二平均差异值；
[0011]从所述案例库中抽取下一个参考样本，重复上述过程，直至抽取的参考样本数达到预设数目；
[0012]根据所有参考样本对应的每个特征属性的第一平均差异值和第二平均差异值，得到对应特征属性的权重更新量；
[0013]根据每个特征属性的权重更新量更新对应特征属性的权重。
[0014]在一些实施方式中，所述按照同类案例中好案例被选择的概率高于差案例的原则从案例库中抽取一个参考样本，包括：
[0015]按照的概率从案例库中随机抽取一个参考样本；
[0016]其中，p(I(x
i
))表示样本x
i
为类别I(x
i
)的概率，表示样本x
i
从类别I(x
i
)中被选择的概率；满足：同类别的样本中，评估得分越高的样本被选择的概率越高。
[0017]在一些实施方式中，计算一个样本的车辆调派方案的评估得分，包括：
[0018]获取所述样本的车辆调派方案和对应的专家建议方案；
[0019]采用以下公式计算所述样本的车辆调派方案的评估得分：
[0020][0021]其中，s(y
i(β)
,z
i(β)
)为样本x
i
的车辆调派方案y
i
与样本x
i
的专家建议方案z
i
在消防车类型β上的差异评分，w(z
i
)为专家方案的权重，L为消防车类型的总数。
[0022]在一些实施方式中，步骤根据所述参考样本、所述参考样本的第一样本集合和第二样本集合中的所有样本，计算得到与所述参考样本对应的每个特征属性的第一平均差异值和第二平均差异值，包括：
[0023]根据所述第一样本集合中所有样本与所述参考样本在每个特征属性上的差异，计算与所述参考样本对应的所述特征属性的第一平均差异值；
[0024]根据所述第二样本集合中所有样本与所述参考样本在每个特征属性上的差异，计算与所述参考样本对应的所述特征属性的第二平均差异值。
[0025]在一些实施方式中，采用以下公式计算与所述参考样本对应的所述特征属性的第一平均差异值：
[0026][0027]其中，表示样本x
p
从类别I(x
p
)中被选择的概率，为参考样本x
i
与样本x
p
在特征属性α上的差异，N
iH
为参考样本x
i
的第一样本集合；
[0028]采用以下公式计算与所述参考样本对应的所述特征属性的第二平均差异值：
[0029][0030]其中，p(I(x
q
))表示样本x
q
为类别I(x
q
)的概率，表示样本x
q
从类别I(x
q
)中被选择的概率，表示参考样本x
i
与样本x
q
在特征属性α上的差异，p
(I(x
i
))表示参考样本x
i
为类别I(x
i
)的概率，N
iM
为参考样本x
i
的第二样本集合。
[0031]在一些实施方式中，采用以下公式计算所述特征属性的权重更新量：
[0032][0033]其中，集合T为n次操作中所选取的参考样本集合，p(I(x
i
))表示参考样本x
i
为类别I(x
i
)的概率，表示参考样本x
i
从类别I(x
i
)中被选择的概率，为与参考样本x
i
对应的特征属性α的第二平均差异值，为与参考样本x
i
对应的特征属性α的第一平均差异值。
[0034]本专利技术还提供一种特征属性的权重计算装置，包括：抽取模块，用于按照同类案例中好案例被选择的概率高于差案例的原则从案例库中抽取一个参考样本；
[0035]差异计算模块，用于形成所述参考样本的第一样本集合和第二样本集合，所述第一样本集合由从与所述参考样本同类的样本中取出的k个与所述参考样本距离最小的样本组成，所述第二样本集合由从与所述参考样本异类的样本中取出的k个与所述参考样本距离最小的样本组成；根据所述参考样本、所述参考样本的第一样本集合和第二样本集合中的所有样本，计算得到与所述参考样本对应的每个特征属性的第一平均差异值和第二平均差异值；
[0036]重复执行模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征属性的权重计算方法，其特征在于，包括：按照同类案例中好案例被选择的概率高于差案例的原则从案例库中抽取一个参考样本；形成所述参考样本的第一样本集合和第二样本集合，所述第一样本集合由从与所述参考样本同类的样本中取出的k个与所述参考样本距离最小的样本组成，所述第二样本集合由从与所述参考样本异类的样本中取出的k个与所述参考样本距离最小的样本组成；根据所述参考样本、所述参考样本的第一样本集合和第二样本集合中的所有样本，计算得到与所述参考样本对应的每个特征属性的第一平均差异值和第二平均差异值；从所述案例库中抽取下一个参考样本，重复上述过程，直至抽取的参考样本数达到预设数目；根据所有参考样本对应的每个特征属性的第一平均差异值和第二平均差异值，得到对应特征属性的权重更新量；根据每个特征属性的权重更新量更新对应特征属性的权重。2.根据权利要求1所述的权重计算方法，其特征在于，所述按照同类案例中好案例被选择的概率高于差案例的原则从案例库中抽取一个参考样本，包括：按照的概率从案例库中随机抽取一个参考样本；其中，p(I(x
i
))表示样本x
i
为类别I(x
i
)的概率，表示样本x
i
从类别I(x
i
)中被选择的概率；满足：同类别的样本中，评估得分越高的样本被选择的概率越高。3.根据权利要求1所述的权重计算方法，其特征在于，计算一个样本的车辆调派方案的评估得分，包括：获取所述样本的车辆调派方案和对应的专家建议方案；采用以下公式计算所述样本的车辆调派方案的评估得分：其中，s(y
i(β)
,z
i(β)
)为样本x
i
的车辆调派方案y
i
与样本x
i
的专家建议方案z
i
在消防车类型β上的差异评分，w(z
i
)为专家方案的权重，L为消防车类型的总数。4.根据权利要求1所述的权重计算方法，其特征在于，步骤根据所述参考样本、所述参考样本的第一样本集合和第二样本集合中的所有样本，计算得到与所述参考样本对应的每个特征属性的第一平均差异值和第二平均差异值，包括：根据所述第一样本集合中所有样本与所述参考样本在每个特征属性上的差异，计算与所述参考样本对应的所述特征属性的第一平均差异值；根据所述第二样本集合中所有样本与所述参考样本在每个特征属性上的差异，计算与所述参考样本对应的所述特征属性的第二平均差异值。5.根据权利要求4所述的权重计算方法，其特征在于，采用以下公式计算与所述参考样本对应的所述特征属性的第一平均差异值：
其中，表示样本x
p
从类别I(x
p
)中被选择的概率，为参考样本x
i
与样本x
p
在特征属性α上的差异，N
iH
为参考样本x
i
的第一样本集合；采用以下公式计算与所述参考样本对应的所述特征属性的第二平均差异值：其中，p(I(x
q
))表示样本x
q
为类别I(x
q
)的概率，表示样本x
q
从类别I(x
q
)中被选择的概率，表示参考样本x
i
与样本x
q
在特征属性α上...

【专利技术属性】
技术研发人员：张胜，彭明喜，梁铮，吕东昊，葛欣竹，杨付喜，林晓冬，向辉，谢悦，徐林虎，王吉波，孙秀婕，唐征，
申请(专利权)人：迪爱斯信息技术股份有限公司，
类型：发明
国别省市：