这个题属于主观评价问题:
一、对于每个指标给每个个体打分;
二、赋予每个指标一个权重;
三、根据权重将指标得分综合起来,从而获得该个体的综合评价。
思路一:
模糊综合评价、层次分析法、秩和比综合评价、粗糙集法。
权值可以通过阅读文献来确定
主观评价题,之前怎么没考过,很单薄,难有新意
主观评价题固定的方法有模糊综合评价、层次分析法、秩和比综合评价、粗糙集法
弊端就是要手动设置权值,以层次分析法举例,题目要求用除了人员伤亡和财产损失之外的因素构建分级模型,但是其他的因素很杂,此处可以降维
假设人员伤亡最重要(或者和财产的结合)
我用他的因素和人员伤亡相关性(创新点1),获得其他因素对于人员伤亡的影响值,将人员伤亡权值默认为1,就获得了其他因素的权重,然后在归一化,获得总体的权值(就不用手动输权值了)结合层次分析法,得到分级模型
就是再层次分析法前面的权值输入加个相关性分析作为创新点
目标层:分级模型
准则层:时间地点人物武器等等
方案层:伤亡人数
相关性分析获得时间地点人物对于伤亡人数的影响,接着层次分析法,获得对分级模型的权值,最后正则化,获得总体权值
可以用其他的算法,比如模糊综合评价,再做分级,两个模型比较精确度(创新点2)
思路二:
量化方法:
数据清洗和制作数据集:1、剔除疑似恐袭事件 2、数量占比小,说明此因素对分级没有太大的影响,删除掉 3、将赎金加入到财产损失数里面
提出一种多维度的恐怖袭击事件分级方法;
训练方法:adaboost
细节:构建单层决策树。单层决策树的目的是从若干特征中选出错误率最小的那个特征(对结果影响最大)
adaboost或者BP神经网络多分类
思路三:
k-均值聚类最终聚类中心
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 |
------------------------------------- |
数据清洗:相关事件related 删除
IX. 附加信息和来源 删除
dbsource 删除
site 删除
空白太多的数据 删除
财产损失评价(propcomment) 删除
有关weapon的文本方面, 删除