[发明专利]特征属性的权重计算方法及装置、终端设备

说明书

本发明公开了一种特征属性的权重计算方法及装置、终端设备，涉及特征计算领域，该方法包括：收集案例样本；对案例样本根据预设特征属性聚类，得到m类案例样本库；分别从每类案例样本库中随机抽取n个案例样本；针对随机抽取的每个案例样本，从其所属类的案例样本库中找出k个最近案例样本，从其他类的每个案例样本库中分别找到k个近邻案例样本；根据分别从每类案例样本库中随机抽取的n个案例样本及其对应的k个最近案例样本和(m‑1)k个近邻案例样本，计算得到特征属性的权重。本发明特征属性的权重降低了案例样本分布差异对特征属性的权重的影响，从而得到更有效的特征属性的权重。

技术领域

本发明涉及特征计算领域，尤其涉及一种特征属性的权重计算方法及装置、终端设备。

背景技术

城市火灾发生的机率不断上升，容易造成大量的人员伤亡和财产损失，在接收到火灾警情后，一般依靠人工经验来决定调派具体的消防车数量及其种类，但是这种依靠人工经验的决策具有一定的随意性和盲目性，且比较耗时。

目前，针对此问题，传统的解决方案是使用kNN(k-NearestNeighbor)均权法的检索策略查找相似案，根据相似案给出调派策略。但是kNN均权法并未考虑特征属性对权重的影响，通常来说不同的特征属性对每个案例的表示具有不同的权重，kNN均权法每个特征属性的权重都被人为设置为相同，会影响计算结果的可靠性，将检索出来的相似案作为推荐方案时，其合理性也会受到一定的影响。

发明内容

本发明的目的是提供一种特征属性的权重计算方法及装置、终端设备，计算出来的特征属性的权重符合实际案例情况，得到更有效的特征属性的权重，为后续使用时提高检索结果的精确性打下了基础。

本发明提供的技术方案如下：

一种特征属性的权重计算方法，包括以下步骤：收集案例样本；对案例样本根据预设特征属性聚类，得到m类案例样本库；分别从每类案例样本库中随机抽取n个案例样本；针对随机抽取的每个案例样本，从其所属类的案例样本库中找出k个最近案例样本，从其他类的每个案例样本库中分别找到k个近邻案例样本；其中，最近案例样本是在随机抽取的案例样本所属类的案例样本库中距离所述随机抽取的案例样本最近的案例样本，近邻案例样本是在其他类的案例样本库中距离所述随机抽取的案例样本最近的案例样本；根据分别从每类案例样本库中随机抽取的n个案例样本及其对应的k个最近案例样本和(m-1)k个近邻案例样本，计算得到特征属性的权重；其中，m、n、k都是大于等于1的整数。

在上述技术方案中，特征属性的权重根据从各类案例样本库中抽取出来的若干个案例样本及其最近案例样本、近邻案例样本计算出各自的权重后求平均，降低了案例样本分布差异对特征属性的权重的影响，从而得到更有效的特征权重，为后续调用以这种方式计算出来的特征属性的权重进行案例检索时，检索结果更具有科学性打下基础。

进一步，所述预设特征属性为火灾等级。

在上述技术方案中，火灾等级在消防案例中的数量比较合适，不会因为太少影响权重的计算，也不会因为太多，计算太复杂。

进一步，当所述特征属性为多个时，根据分别从每类案例样本库中随机抽取的n个案例样本及其对应的k个最近案例样本和(m-1)k个近邻案例样本，分别计算得到每个特征属性的权重。

在上述技术方案中，随机抽取的案例样本可应用于各个特征属性的权重计算中，只要重复计算多次，即可计算出各个特征属性的权重，计算方便、快捷，且计算出来的各特征属性的权重代表性较好。

进一步，所述的根据分别从每类案例样本库中随机抽取的n个案例样本及其对应的k个最近案例样本和(m-1)k个近邻案例样本，计算得到特征属性的权重的计算公式为：