基于ECSDNN的航空安全事件风险等级预测
日期:2024.12.17 点击数:0
【类型】期刊
【刊名】北京航空航天大学学报
【关键词】 集成学习,代价敏感,深度神经网络,风险等级预测,嵌入特征编码,航空安全
【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,提出一种基于集成代价敏感深度神经网络(ECSDNN)的航空安全事件风险等级预测方法。采用分类型属性嵌入特征编码和数值型属性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,构建基于代价敏感深度神经网络(CSDNN)的基分类器模型;采用硬投票方法,集成多个参数不同、性能各异的基分类器,构建航空安全事件风险等级预测模型。在航空安全事件报告系统(ASRS)数据集上的实验结果表明:相比基准算法,所提ECSDNN模型的预测准确率提升了4.51%;相比单个CSDNN基分类器,所提ECSDNN模型的预测准确率提升了3.17%。验证了基于ECSDNN的航空安全事件风险等级预测方法的有效性。
【年份】2024
【作者单位】中国民航大学计算机科学与技术学院;民航智慧机场理论与系统重点实验室;
【期号】04
【页码】1117-1128
相关文章
- 1、不同结构深度神经网络的时间域航空电磁数据成像性能分析 作者:李金峰,刘云鹤, 年份:2021
- 2、DNN加速器技术发展及航空计算系统应用展望 作者:赵一煊,刘飞阳,高晗,王建生, 年份:2022
- 3、面向航空磁异常探测的干扰抑制与目标检测技术研究 作者:赵冠一 年份:2019
- 4、不同结构深度神经网络的时间域航空电磁数据成像性能分析 作者:李金峰,刘云鹤, 年份:2021
- 5、DNN加速器技术发展及航空计算系统应用展望 作者:赵一煊,刘飞阳,高晗,王建生, 年份:2022
- 6、面向航空磁异常探测的干扰抑制与目标检测技术研究 作者:赵冠一 年份:2019