基于D-S证据理论的目标事件风险评估方法及系统技术方案

本发明专利技术提供的一种D

【技术实现步骤摘要】
基于D
‑
S证据理论的目标事件风险评估方法及系统


[0001]本专利技术涉及数据融合和风险评估
，尤其涉及一种基于D
‑
S证据理论的目标事件风险评估方法及系统。

技术介绍

[0002]为实现社会平稳有序的发展，需对目标事件的风险进行有效评估。然而，如何将目标事件多源异构数据融合并在统一框架下评估目标事件风险等级缺乏理论依据，具体体现在两个方面：在处理目标事件多源异构数据时难以充分挖掘有效信息；在应对多维度目标事件特征时难以有效融合，未能形成目标事件综合评估方法，从而造成对目标事件的风险评估并不准确。
[0003]基于此，亟需一种基于D
‑
S证据理论的目标事件风险评估方法及系统，实现对目标事件风险的准确评估。

技术实现思路

[0004]本专利技术的目的在于提供一种基于D
‑
S证据理论的目标事件风险评估方法及系统，能够实现对目标事件风险的准确评估。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于D
‑
S证据理论的目标事件风险评估方法，包括：
[0007]按照最短时间节点采集每一目标事件的评价指标，得到每一目标事件在不同时期下的每一种评价指标值，其中所述评价指标包括吸引力、影响范围和相对强度，所述时期包括短期、中期和长期；
[0008]分别将每一目标事件在不同时期下的每一种所述评价指标值输入至专家评分系统，得到不同专家对每一目标事件在不同时期下的每一种所述评价指标值的多个基础评分；
[0009]利用多层感知器分别对每一目标事件在不同时期下的所有评价指标值的所述基础评分进行特征提取，得到每一目标事件在不同时期下的多维特征数据；
[0010]分别对每一目标事件在不同时期下的所述多维特征数据和风险等级进行映射，得到每一目标事件在不同时期下不同类别风险等级的多个基本信度分配，其中所述风险等级包括低风险、中风险和高风险；
[0011]根据证据推理算法对每一目标事件在不同时期下风险等级的多个所述基本信度分配进行融合推理，确定每一目标事件在不同时期下的风险等级。
[0012]一种基于D
‑
S证据理论的目标事件风险评估系统，包括：
[0013]采集模块，用于按照最短时间节点采集每一目标事件的评价指标，得到每一目标事件在不同时期下的每一种评价指标值，其中所述评价指标包括吸引力、影响范围和相对强度，所述时期包括短期、中期和长期；
[0014]评分模块，用于分别将每一目标事件在不同时期下的每一种所述评价指标值输入
至专家评分系统，得到不同专家对每一目标事件在不同时期下的每一种所述评价指标值的多个基础评分；
[0015]特征提取模块，用于利用多层感知器分别对每一目标事件在不同时期下的所有评价指标值的所述基础评分进行特征提取，得到每一目标事件在不同时期下的多维特征数据；
[0016]映射模块，用于分别对每一目标事件在不同时期下的所述多维特征数据和风险等级进行映射，得到每一目标事件在不同时期下不同类别风险等级的多个基本信度分配，其中所述风险等级包括低风险、中风险和高风险；
[0017]风险等级确定模块，用于根据证据推理算法对每一目标事件在不同时期下风险等级的多个所述基本信度分配进行融合推理，确定每一目标事件在不同时期下的风险等级。
[0018]与现有技术相比，本专利技术提供的一种基于D
‑
S证据理论的目标事件风险评估方法及系统，通过按照最短时间节点采集每一目标事件的评价指标，得到每一目标事件在不同时期下的每一种评价指标值；分别将每一目标事件在不同时期下的每一种所述评价指标值输入至专家评分系统，得到每一目标事件在不同时期下的每一种所述评价指标值的多个基础评分；利用多层感知器分别对每一目标事件在不同时期下的所有评价指标值的所述基础评分进行特征提取，得到每一目标事件在不同时期下的多维特征数据；分别对每一目标事件在不同时期下的所述多维特征数据和风险等级进行映射，得到每一目标事件在不同时期下不同类别风险等级的多个基本信度分配；根据证据推理算法对每一目标事件在不同时期下风险等级的多个所述基本信度分配进行融合推理，确定每一目标事件在不同时期下的风险等级，由于从多个时间段和多种评价指标分析和挖掘目标事件，利用D
‑
S证据理论完成不同证据数据的融合，能够提高对目标事件风险评估的准确性。
附图说明
[0019]此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0020]图1为本专利技术实施例1所提供的基于D
‑
S证据理论的目标事件风险评估方法的流程图；
[0021]图2为本专利技术实施例2所提供的基于D
‑
S证据理论的目标事件风险评估系统的框图。
具体实施方式
[0022]为了便于清楚描述本专利技术实施例的技术方案，在本专利技术的实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本专利技术中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
[0023]实施例1:
[0024]证据理论作为一种数学推理理论，常用于实现同质化数据融合，在信息融合处理领域应用广泛，通过构建灵活的基本信度分配函数，选择符合目标需求的证据合成算法，可以将多组相互独立的数据映射到目标证据体系，并得到全局统一的结论。
[0025]为了解决如何将多源异构数据融合并在统一框架下评估目标事件风险等级尚缺乏理论依据而造成评估结果准确度低的问题，本实施例1提供了一种基于D
‑
S证据理论的目标事件风险评估方法，如图1所示，该评估方法包括：
[0026]S1：按照最短时间节点采集每一目标事件的评价指标，得到每一目标事件在不同时期下的每一种评价指标值，其中所述评价指标包括吸引力、影响范围和相对强度，所述时期包括短期、中期和长期；
[0027]目标事件风险的评估首先需要对具体的目标事件进行数值化描述，具体的：
[0028]对目标事件的相关参数进行提取分析，得到三类评价指标，包括吸引力指标、影响范围指标和相对强度指标；
[0029]吸引力指标指的是目标事件本身固有属性的影响，可以指代独立于环境因素之外的本质特征；
[0030]影响范围指标则涵盖目标事件本身与环境因素的交互性，可以表示目标事件在其演化过程中所包含的实体或者虚化的集体或者地域；
[0031]相对强度指标则是表明在同一时间度量下不同目标事件之间的相对强度，可以显示目标事件的暂时性相对主次特征。
[0032]由于数据的统计量与时间长短具有很强的关联性，因此需要按照最短时间节点对每一目标事本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于D
‑
S证据理论的目标事件风险评估方法，其特征在于从多个时间段和多种评价指标分析和挖掘目标事件，利用D
‑
S证据理论完成不同证据数据的融合，提高对目标事件风险评估的准确性，所述目标事件风险评估方法包括：按照最短时间节点采集每一目标事件的评价指标，得到每一目标事件在不同时期下的每一种评价指标值，其中所述评价指标包括吸引力、影响范围和相对强度，所述时期包括短期、中期和长期；分别将每一目标事件在不同时期下的每一种所述评价指标值输入至专家评分系统，得到不同专家对每一目标事件在不同时期下的每一种所述评价指标值的多个基础评分；利用多层感知器分别对每一目标事件在不同时期下的所有评价指标值的所述基础评分进行特征提取，得到每一目标事件在不同时期下的多维特征数据；分别对每一目标事件在不同时期下的所述多维特征数据和风险等级进行映射，得到每一目标事件在不同时期下不同类别风险等级的多个基本信度分配，其中所述风险等级包括低风险、中风险和高风险；根据证据推理算法对每一目标事件在不同时期下风险等级的多个所述基本信度分配进行融合推理，确定每一目标事件在不同时期下的风险等级。2.根据权利要求1所述的目标事件风险评估方法，其特征在于，所述多层感知器第m特征层的第j个输出的特征数据表示为：征层的第j个输出的特征数据表示为：其中，表示所述多层感知器第m特征层的第j个输出的特征数据；f()表示激活函数；s表示不同专家对每一目标事件在不同时期下的每一种所述评价指标值的基础评分个数；k1表示吸引力变化值对应的基础评分个数；k2表示影响范围变化值对应的基础评分个数；k3表示相对强度变化值对应的基础评分个数；w
s,j
表示多层感知机第m特征层的第j个输出的权重；表示所述多层感知器输入层的评价指标值；b
j
表示多层感知器第m特征层的偏置；m表示所述多层感知器的层数；l
m
‑1表示每一目标事件在不同时期下的多维特征数据个数；表示所述多层感知器第m
‑
1特征层的输入。3.根据权利要求1所述的目标事件风险评估方法，其特征在于，所述分别对每一目标事件在不同时期下的所述多维特征数据和风险等级进行映射，具体表示为：其中，m()表示mass函数；A
L
表示低风险等级；A
M
表示中风险等级；A
H
表示表示高风险等级；g()表示归一化运算函数；表示多维特征数据中第一维度的特征数据；表示多维特征数据中第二维度的特征数据；表示多维特征数据中第三维度的特征数据。4.根据权利要求1所述的目标事件风险评估方法，其特征在于，所述每一目标事件在不同时期下的风险等级表示为：
其中，m()表示mass函数；A表示风险等级；A
j
...

【专利技术属性】
技术研发人员：王宁，周凯，牛中盈，张冲，王鹏飞，党宏蕾，董庆利，李宾，杨帅，阴攀锋，翟玉东，
申请(专利权)人：航天科工网络信息发展有限公司，
类型：发明
国别省市：