科研之友
微信
新浪微博
Facebook
分享链接
摘要
航空安全事件风险等级预测是主动风险管理的重要手段。考虑海量航空安全事件数据呈现的高维复杂、类不平衡等特性，提出了一种基于集成代价敏感深度神经网络的航空安全事件风险等级预测方法（ECSDNN）。采用分类型属性嵌入编码和数值型属性进行拼接的方法实现航空安全事件数据的特征表示；综合考虑错分比例和固定代价设计代价敏感矩阵和代价敏感损失函数，构建了基于代价敏感深度神经网络的基分类器模型（CSDNN）；采用硬投票方法，集成多个参数不同、性能各异的基分类器，构建了航空安全事件风险等级集成预测模型ECSDNN。在航空安全事件报告系统（ASRS）数据集上的实验结果表明：较之基准算法的最优预测能力，ECSDNN模型的预测准确率提升了4.51%；较之单个CSDNN基分类器，预测准确率提升了3.17%。
- 单位
