[發(fā)明專利]基于時間序列聚類的未成年犯罪地區(qū)簇的劃分方法

在審

• 申請?zhí)枺?/td>: 201811156907.1
• 申請日: 2018-09-30
• 公開（公告）號: CN109241320A
• 公開（公告）日: 2019-01-18
• 發(fā)明（設(shè)計）人: 潘仲贏;陳恒至;郭濟;王俊;郭磊;王春華
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06F16/53
• 分類號: G06F16/53;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

基于時間序列聚類的未成年犯罪地區(qū)簇的劃分方法。傳統(tǒng)的未成年犯罪特征分析通常采用簡單的統(tǒng)計方法，結(jié)合犯罪邏輯學(xué)，對我國未成年犯罪數(shù)量呈現(xiàn)趨勢、種類變化、地區(qū)分布等做一個簡單的總結(jié)。傳統(tǒng)方法存在時間滯后性，同時無法應(yīng)對日益增長的數(shù)據(jù)。本發(fā)明是一種結(jié)合時間序列分析與聚類算法對各地區(qū)未成年人犯罪數(shù)據(jù)進行簇劃分的方法，將具有相似特征的地區(qū)劃分到一簇。具體步驟如下：步驟一，收集各地區(qū)未成年犯罪數(shù)據(jù)，進行數(shù)據(jù)清洗，提取所需數(shù)據(jù)；步驟二，對清洗后的數(shù)據(jù)歸一化，并繪制時間序列曲線，對時間序列曲線進行平滑處理；步驟三，基于本發(fā)明聚類算法對時間序列進行聚類；步驟四，輸出劃分的簇。本發(fā)明可以準(zhǔn)確將各地區(qū)進行簇劃分，對進一步研究未成年犯罪具有重要的意義。

技術(shù)領(lǐng)域

本發(fā)明涉及公共安全技術(shù)領(lǐng)域，尤其涉及一種基于時間序列聚類的未成年犯罪地區(qū)簇的劃分方法。

背景技術(shù)

隨著大數(shù)據(jù)時代到來和人工智能技術(shù)的發(fā)展，利用大數(shù)據(jù)為基礎(chǔ)進行相關(guān)分析的技術(shù)已經(jīng)成為未成年犯罪分析技術(shù)研究的熱點。而為了有效地對全國各地區(qū)未成年犯罪特征進行分析，在獲取全國各地區(qū)未成年犯罪數(shù)據(jù)后，有關(guān)警務(wù)部門必須進行快速、準(zhǔn)確地分組，判斷哪些地區(qū)具有相似犯罪特征，采取針對性地干預(yù)措施。因此，針對未成年犯罪，將全國各地區(qū)進行分組是未成年犯罪研究中的基礎(chǔ)工作，對警力分配、犯罪預(yù)防、犯罪干預(yù)等有重要意義。

聚類(Clustering)是對數(shù)據(jù)進行分類，將相異的數(shù)據(jù)盡可能地分開，而將相似的數(shù)據(jù)聚成一個類別(簇)，使得同一類別的數(shù)據(jù)具有盡可能高的同質(zhì)性(homogeneity)，類別之間有盡可能高的異質(zhì)性(heterogeneity)，從而方便從數(shù)據(jù)中發(fā)現(xiàn)隱含的有用信息。聚類主要分為：劃分聚類、層次聚類、模糊聚類和基于密度聚類，經(jīng)典算法有：K-means算法、K-中心點算法、EM算法等。聚類典型的應(yīng)用包含幾方面：(1)協(xié)同過濾：用于推薦系統(tǒng)和用戶細(xì)分；(2)動態(tài)趨勢檢測：對流數(shù)據(jù)進行聚類，檢測動態(tài)趨勢和模式；(3)用于多媒體數(shù)據(jù)、生物數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)的應(yīng)用。聚類已廣泛應(yīng)用在不同領(lǐng)域，并取得了良好的應(yīng)用效果，但在未成年犯罪領(lǐng)域應(yīng)用較為欠缺。

時間序列(Time Series)是一組按照時間發(fā)生先后順序進行排列的數(shù)據(jù)點序列。通常一組時間序列的時間間隔為一恒定值(如1秒，5分鐘，12小時，7天，1年)，因此時間序列可以作為離散時間數(shù)據(jù)進行分析處理。時間序列廣泛應(yīng)用于數(shù)理統(tǒng)計、信號處理、模式識別、計量經(jīng)濟學(xué)、數(shù)學(xué)金融、天氣預(yù)報、地震預(yù)測、腦電圖、控制工程、航空學(xué)、通信工程以及絕大多數(shù)涉及到時間數(shù)據(jù)測量的應(yīng)用科學(xué)與工程學(xué)。

目前我國未成年犯罪預(yù)測分析技術(shù)多采用簡單的統(tǒng)計方法，如通過對兩個特定年份未成年犯罪抽樣調(diào)查資料的比較研究，結(jié)合犯罪邏輯學(xué)，對我國未成年犯罪數(shù)量呈現(xiàn)趨勢、種類變化、地區(qū)分布等做一個簡單的總結(jié)。隨著犯罪數(shù)據(jù)的不斷增多，數(shù)據(jù)復(fù)雜程度的增加，傳統(tǒng)的統(tǒng)計方法具有很大局限性。

本專利采用時間序列分析平滑原始犯罪數(shù)據(jù)中受噪聲干擾的點，還原地區(qū)實際的未成年犯罪規(guī)律，同時，建立地區(qū)犯罪可能性模型，從而方便選取K個質(zhì)心，針對于K均值聚類中所需的距離，利用動態(tài)時間規(guī)整算法(Dynamic Time Warping)來確定。動態(tài)時間規(guī)整算法最早出現(xiàn)于語音識別中，解決了發(fā)音長短不一的問題。本發(fā)明將其應(yīng)用在時間序列中，可以解決時間序列長短不一致的問題。由于全國各地區(qū)差異，未成年犯罪的統(tǒng)計存在時間跨度不一致的情況，利用傳統(tǒng)的歐式距離效果較差，而DTW算法可以解決這一問題。

本專利方法可以很好地排除噪聲對于地區(qū)犯罪規(guī)律的影響，并且可以解決時間序列長度不一致問題，同時依據(jù)建立的地區(qū)犯罪可能性模型可以方便選取K均值聚類所需質(zhì)心，取得良好的未成年犯罪地區(qū)分組效果。

發(fā)明內(nèi)容

本發(fā)明要解決的問題在于：全國各地區(qū)未成年犯罪數(shù)據(jù)統(tǒng)計具有時間跨度不一致、部分點受噪聲影響明顯特點，同時單純時間序列分析無法對地區(qū)進行分組。

為了解決上述問題，本發(fā)明提供如下方案：