[發明專利]一種基于多標簽組合多分類器的恐怖行為預測方法

有效

• 申請號: 201611077149.5
• 申請日: 2016-11-30
• 公開（公告）號: CN106776884B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 夏歡歡;薛安榮;曹靜
• 申請（專利權）人: 江蘇大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于多標簽組合多分類器的恐怖行為預測方法，以多標簽決策樹和隨機游走模型為基分類器，將背景屬性信息映射到不同的恐怖行為類別，訓練預測模型；利用基分類器預測新數據屬于各個恐怖類別的概率；最后將基分類器的輸出結果采用加權組合概率函數進行融合，選擇預測概率大于閾值的恐怖行為集合作為新數據的預測結果。本發明充分考慮恐怖行為背景數據存在的潛在聯系以及單分類器預測精度低的問題，針對恐怖行為背景數據中存在大量不相關與冗余數據，基于鄰域粗糙集進行特征選擇；考慮同一時刻可能發生多種恐怖行為，并且背景屬性、恐怖行為之間可能存在潛在聯系，采用單一分類器無法準確地描述這些信息，本發明方法能提高預測精度。

技術領域

本發明涉及數據挖掘與應用領域，具體而言涉及一種基于多標簽組合多分類器的恐怖行為預測方法。

背景技術

恐怖行為是指實施者對非武裝人員有組織地使用暴力或以暴力相威脅，通過將一定的對象置于恐怖之中，來達成宗教、政治或意識形態上的目的。恐怖襲擊自上世紀九十年代以來，有在全球范圍內迅速蔓延的嚴峻趨勢。恐怖襲擊的發生不僅會直接造成巨大的人員傷亡和財產損失，同時也會給受害國帶來巨大的反恐壓力，造成受害國人員的極大恐慌。如何利用現有的技術預測將會發生的恐怖行為，成為一個重要的研究方向。

恐怖行為預測是知識挖掘的典型應用，它根據已有的知識信息并利用數據挖掘和機器學習等相關智能技術，預測恐怖組織實施恐怖行為的發展趨勢。研究恐怖行為預測的目的主要是預測組織未來的活動，為決策者提供決策支持，從而可以采取有效的預防措施，降低恐怖襲擊行為造成的生命財產損失。恐怖襲擊事件發生的原因包括政治、經濟、文化等方面的因素，各種原因交織在一起，導致恐怖行為的預測變得更加復雜。對恐怖行為預測的研究不能僅僅考慮事件發生的時間、地點及影響程度等信息，應該在考慮這些因素的基礎上，綜合考慮恐怖組織的政治、經濟、文化等背景因素，從而為決策者提供更有效的決策支持。

目前，基于背景知識預測恐怖行為的預測方法大都把背景數據中的行為屬性看作一個整體，然后利用背景向量之間的相似度預測對應的行為向量，再對預測的行為向量進行某種計算，得到行為向量中各行為的概率，然后根據各行為的發生概率給出預測結果。然而，采用這種方式進行恐怖行為的預測，將多個行為屬性分解到多個行為子空間，在每個子空間進行單獨恐怖行為的預測，沒有考慮同一時間段可能發生多種行為屬性，忽略了行為屬性之間的聯系對預測結果造成的影響。再者預測的模型大多采用單一模型及其模型改進或者通過修改參數來提高系統的預測效果。但是單一模型的預測只能考慮行為的單個方面，沒有考慮到不同行為屬性之間的關聯對恐怖行為預測準確度造成的影響。

發明內容

本發明的目的在于提出一種基于多標簽組合多分類器的恐怖行為預測方法，針對以往通過數據分解方式將行為屬性分解到多個行為子空間，在每個子空間單獨進行恐怖行為預測造成預測結果的片面性問題，提出一種基于多標簽的恐怖行為預測算法，充分利用背景數據，同時預測多個恐怖行為。對于通過單一模型進行分類預測造成預測精度低的問題，采用組合多分類器的方式，利用多個分類器模型預測方式的多樣性，組合多個分類模型的預測結果，提高分類預測的精度。具體技術方案如下：

一種基于多標簽組合多分類器的恐怖行為預測方法，包括以下步驟：

步驟1，原始數據的預處理：原始數據由恐怖組織的基本信息、背景知識和行為知識構成，提取背景知識和行為知識，構成背景知識與恐怖行為的多標簽數據集；

步驟2，訓練多標簽決策樹和隨機游走模型：基于步驟1獲得的背景知識與恐怖行為的多標簽數據集，定義背景屬性關聯重要度，并根據背景屬性關聯重要度訓練決策樹分類器，利用標簽之間的關聯訓練隨機游走模型；

步驟3，測試多標簽決策樹和隨機游走模型：使用步驟2獲得的多標簽決策樹和隨機游走模型預測在每種訓練模型下待分類標簽樣本，獲得所有恐怖行為的概率；