[發(fā)明專利]基于交織時(shí)間序列局部連接循環(huán)神經(jīng)網(wǎng)絡(luò)的犯罪預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710854949.1
• 申請(qǐng)日: 2017-09-20
• 公開（公告）號(hào): CN107563122B
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 朱培棟;欒悉道;王可;馮璐;劉欣;劉光燦;熊蔭喬;陳威兵;張振宇;荀鵬
• 申請(qǐng)（專利權(quán)）人: 長沙學(xué)院
• 主分類號(hào): G06Q50/26
• 分類號(hào): G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 譚武藝

1.一種基于交織時(shí)間序列局部連接循環(huán)神經(jīng)網(wǎng)絡(luò)的犯罪預(yù)測(cè)方法，其特征在于實(shí)施步驟包括：

1)將犯罪數(shù)據(jù)劃分為不同時(shí)間間隔長度的N種時(shí)間序列，在相同的時(shí)間間隔序列重采樣，不同的時(shí)間間隔不要重采樣，預(yù)測(cè)日期被稱為時(shí)間點(diǎn)且作為N種時(shí)間序列的交叉點(diǎn)，得到犯罪數(shù)據(jù)對(duì)應(yīng)的交織時(shí)間序列；

2)基于交織時(shí)間序列構(gòu)建訓(xùn)練集和測(cè)試集；

3)分別構(gòu)建局部連接的LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型以及GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型，并通過訓(xùn)練集完成對(duì)局部連接的LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型以及GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；

4)將測(cè)試集分別輸入完成訓(xùn)練的局部連接的LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型以及GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型，分別得到不同的犯罪預(yù)測(cè)結(jié)果，且選擇更佳的犯罪預(yù)測(cè)結(jié)果輸出。

2.根據(jù)權(quán)利要求1所述的基于交織時(shí)間序列局部連接循環(huán)神經(jīng)網(wǎng)絡(luò)的犯罪預(yù)測(cè)方法，其特征在于，步驟3)中分別構(gòu)建局部連接的LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型以及GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型的詳細(xì)步驟包括：

3.1)建立LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型以及GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型；

3.2)分別將LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型以及GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型設(shè)置為N個(gè)局部連接組成方式構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)，且對(duì)N種時(shí)間序列構(gòu)建N個(gè)獨(dú)立的隱藏層，在輸出層之前建立匯總層，最終構(gòu)建得到局部連接的LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型以及GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求2所述的基于交織時(shí)間序列局部連接循環(huán)神經(jīng)網(wǎng)絡(luò)的犯罪預(yù)測(cè)方法，其特征為，步驟3.1)中LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型的函數(shù)表達(dá)式如式(1)所示；

式(1)中，f_t為遺忘門，σ為Sigma函數(shù)，W_fh和W_fx為權(quán)值，h_t-1為上一個(gè)短期狀態(tài)值，x_t為輸入的犯罪次數(shù)，b_f為偏置值，i_t為輸入門，W_i為權(quán)值，b_i為偏置值，為長期狀態(tài)估計(jì)值，W_c為權(quán)值，b_c為偏置值，c_t為長期狀態(tài)，c_t-1為上一個(gè)長期狀態(tài)，o_t為輸出門，W_o為權(quán)值，b_o為偏置值，h_t為短期狀態(tài)。

4.根據(jù)權(quán)利要求2所述的基于交織時(shí)間序列局部連接循環(huán)神經(jīng)網(wǎng)絡(luò)的犯罪預(yù)測(cè)方法，其特征為，步驟3.1)中GRU循環(huán)神經(jīng)網(wǎng)絡(luò)模型的函數(shù)表達(dá)式如式(2)所示；

式(2)中，z_t為更新門，σ為Sigma函數(shù)，W_x為權(quán)值，h_t-1為上一個(gè)狀態(tài)，U_x為權(quán)值，x_t為輸入的犯罪次數(shù)，r_t為復(fù)位門，W_r為權(quán)值，U_r為權(quán)值，為狀態(tài)估計(jì)值，U為權(quán)值，h_t為狀態(tài)。

5.根據(jù)權(quán)利要求2所述的基于交織時(shí)間序列局部連接循環(huán)神經(jīng)網(wǎng)絡(luò)的犯罪預(yù)測(cè)方法，其特征為，步驟3.2)中建立的匯總層的函數(shù)表達(dá)式如式(3)所示；

h_intergrate＝W_h1×h_t1+W_h2×h_t2+…+W_hk×h_tk (3)

式(3)中，h_intergrate為匯總狀態(tài)值，W_h1為權(quán)值，h_t1為時(shí)間序列t1的狀態(tài)值，W_h2為權(quán)值，h_t2為時(shí)間序列t2的狀態(tài)值，W_hk為權(quán)值，h_tk為時(shí)間序列tk的狀態(tài)值。