(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111550459.5 (22)申请日 2021.12.17 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 孟海宁　郑毅　童新宇　姬文江　 李维　张嘉薇　黑新宏　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 王奇 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06Q 50/30(2012.01) G06K 9/62(2022.01) (54)发明名称 基于KNN和AdaBoo st的铁路事故类型预测方 法 (57)摘要 本发明公开一种基于 KNN和AdaBoo st的铁路 事故类型预测方法， 具体涉及， 计算铁路事故历 史数据集属性的稀疏度， 根据稀 疏度阈值删除部 分属性列； 对铁路事故数据中的字符型数据进行 编码； 使用KNN算法对铁路事故数据进行缺失值 填补； 对铁路事故数据进行归一化， 归一化后的 数据随机划分为训练集和测试集； 使用AdaBoo st 方法， 构造铁路事故类型预测分类器， 在测试集 上检验分类器性能。 本发明公开的方法对铁路事 故数据进行了有效的预处理， 并使用集成学习方 法AdaBoo st来缓解原始数据的类不平 衡问题， 提 升了事故类型 预测的性能。 权利要求书2页 说明书7页 附图2页 CN 114444765 A 2022.05.06 CN 114444765 A 1.基于KN N和AdaBo ost的铁路事故类型 预测方法， 其特 征在于， 包括以下步骤： 步骤1， 对原始的铁路事故历史数据集进行稀疏性分析， 根据稀疏性阈值删除部分冗余 属性； 步骤2， 对步骤1处理后的铁路事故历史数据集中的字符型属性， 进行硬编码， 将字符型 属性转换为数值型属性； 步骤3， 对步骤2处理后的铁路事故历史数据集， 进行基于KNN算法的数据填补， 填补原 数据中的缺失值； 步骤4， 对步骤3处理完成的铁路事故历史数据集， 进行归一化操作， 并按照一定比例随 机划分训练集和 测试集； 步骤5， 将步骤4中归一化后的铁路事故历史数据集， 随机划分成训练集和测试集， 使用 AdaBoost算法在训练集数据上训练分类 器， 在测试集上验证分类 器性能。 2.如权利要求1所述的基于KNN和AdaBoost的铁路事故类型预测方法， 其特征在于， 步 骤3中使用KNN算法对铁路事故数据进 行缺失值补全， 通过计算缺 失型样本和其他完整样本 的样本间距离， 取前k最为接近的完整样本， 加权平均后作为当前缺失型样本补全后的数 值。 3.如权利要求2所述的基于KNN和AdaBoost的铁路事故类型预测方法， 其特征在于， 所 述步骤3的具体步骤为： 步骤3.1， 对每一条包含缺失值的事故记录Ri， 计算Ri到所有完整事故记录的样本间距 离d， 利用KNN算法对该样本间距离进行排序， 保留距离最近的前k个样本记录， 作为当前缺 失样本填补的依据； 其中完整事故记录表示一条没有缺 失值的记录， 样本间距离d 的计算方 式如公式(1)所示： 其中Ri和Ri分别表示第i条记录和第j条记录， 在该公式中， 默认左边的记录为含缺失值 型记录， 右边记录为完整记录， 则从含缺失值记录Ri到完整记录Rj的样本间距离d(i,j)如式 (1)所示， 表示了 两个记录在样本空间上的相似性， 该距离越小则二 者越为接 近； 步骤3.2， 根据与含缺失值记录在样本空间最近的前k个事故记录， 对缺失记录进行数 据填补； 其中， 由k个事故记录， 计算得到当前缺失记录的公式如式(2)所示： 其中Ri为第i个含缺失值的事故记录， Rj为第j个在样本空间距离上距 Ri最近的记录， 如 式(2)所示， 经 过如上计算， 得到 了缺失值 填补后的Ri。 4.如权利要求1所述的基于KNN和AdaBoost的铁路事故类型预测方法， 其特征在于， 所 述步骤5中使用AdaBoost 集成学习方法建立铁 路事故类型分类器， 包括使用M个相同的决策 树弱分类 器作为弱学习器， 经 过加权平均得到最终的软件缺陷强分类 器。 5.如权利要求1所述的基于KNN和AdaBoost的铁路事故类型预测方法， 其特征在于， 所 述步骤5的训练过程具体为：权　利　要　求　书 1/2 页 2 CN 114444765 A 2步骤5.1， 将步骤4中重采样后训练集， 进行十折交叉验证的划分， 整个训练数据集划分 成10份， 每一份都将被作为验证集， 在训练 时使用9份数据进 行训练， 使用剩余的1份作为验 证集检验分类器性能， 重复这个过程 10次， 加权平均作为分类器的最 终性能指标， 至训练过 程结束， 得到训练完成的铁 路事故类型分类器C。 采用AdaBoost学习方法训练得到最 终分类 器的过程， 见公式(4)、 (5)、 (6)： 其中， αm为第m个决策树弱分类器的权重， Cm(x)为第m个决策树弱分类器， C(x)为集成学 习得到的强分类器， sign函数用来取m个弱分类器结果加权后的正负， em为第m个决策树弱 分类器分类的错 误率； 步骤5.2， 使用步骤5.1训练完成的强分类器C， 采用精确率、 正确率、 召回率和F1 ‑score 性能指标， 在测试集上对训练完成的软件缺陷分类 器进行性能检验。权　利　要　求　书 2/2 页 3 CN 114444765 A 3