2018 建模C題_恐怖活動分級
這個題屬於主觀評價問題:
一、對於每個指標給每個個體打分;
二、賦予每個指標一個權重;
三、根據權重將指標得分綜合起來,從而獲得該個體的綜合評價。
思路一:
模糊綜合評價、層次分析法、秩和比綜合評價、粗糙集法。
權值可以通過閱讀文獻來確定
主觀評價題,之前怎麼沒考過,很單薄,難有新意
主觀評價題固定的方法有模糊綜合評價、層次分析法、秩和比綜合評價、粗糙集法
弊端就是要手動設定權值,以層次分析法舉例,題目要求用除了人員傷亡和財產損失之外的因素構建分級模型,但是其他的因素很雜,此處可以降維
假設人員傷亡最重要(或者和財產的結合)
我用他的因素和人員傷亡相關性(創新點1),獲得其他因素對於人員傷亡的影響值,將人員傷亡權值預設為1,就獲得了其他因素的權重,然後在歸一化,獲得總體的權值(就不用手動輸權值了)結合層次分析法,得到分級模型
就是再層次分析法前面的權值輸入加個相關性分析作為創新點
目標層:分級模型
準則層:時間地點人物武器等等
方案層:傷亡人數
相關性分析獲得時間地點人物對於傷亡人數的影響,接著層次分析法,獲得對分級模型的權值,最後正則化,獲得總體權值
可以用其他的演算法,比如模糊綜合評價,再做分級,兩個模型比較精確度(創新點2)
思路二:
量化方法:
資料清洗和製作資料集:1、剔除疑似恐襲事件 2、數量佔比小,說明此因素對分級沒有太大的影響,刪除掉 3、將贖金加入到財產損失數裡面
提出一種多維度的恐怖襲擊事件分級方法;
訓練方法:adaboost
細節:構建單層決策樹。單層決策樹的目的是從若干特徵中選出錯誤率最小的那個特徵(對結果影響最大)
adaboost或者BP神經網路多分類
思路三:
k-均值聚類最終聚類中心
1 | 2 | 3 | 4 | 5 | |
---|---|---|---|---|---|
killed | 643.2 | 224.0 | 2.3 | 74.0 | 1383.5 |
------- | ----- | ------ | — | ----- | ------ |
attack | 5 | 7 | 7 | 7 | 8 |
------- | ----- | ------ | — | ----- | ------ |
weapon | 5 | 5 | 5 | 5 | 2 |
------- | ----- | ------ | — | ----- | ------ |
wounded | 73.2 | 4000.0 | 3.0 | 273.5 | 8190.5 |
------- | ----- | ------ | — | ----- | ------ |
money | 1.2 | 3.0 | 1.3 | 1.7 | 4.0 |
------- | ----- | ------ | — | ----- | ------ |
target | 5 | 1 | 5 | 4 | 3 |
------------------------------------- |
資料清洗:相關事件related 刪除
IX. 附加資訊和來源 刪除
dbsource 刪除
site 刪除
空白太多的資料 刪除
財產損失評價(propcomment) 刪除
有關weapon的文字方面, 刪除