[發明專利]一種基于有效影響因子的服刑人員危險行為預測方法及系統

在審

• 申請號: 202011170332.6
• 申請日: 2020-10-28
• 公開（公告）號: CN112132233A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 李玉軍;鄧媛潔;劉治;賁晛燁
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/215;G06F16/245;G06Q10/06;G06Q50/26
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 許德山

1.一種基于有效影響因子的服刑人員危險行為預測方法，其特征在于，包括步驟如下：

(1)結構化處理：

1)數據清洗；對服刑人員特征信息進行數據清洗；服刑人員特征信息包括罪犯基本信息、犯罪信息、心理狀況和日常行為；

2)提取有效影響因子；

(2)基于權重分數的危險行為預測

危險行為包括自殺危險、逃脫危險、暴力危險；

首先，對所有待評估人員進行分類：

將結構化處理后有效影響因子構成的數據集劃分為訓練集和測試集，將訓練集輸入Random Forest模型進行學習和訓練，待Random Forest模型的學習完成預設的迭代次數且誤差維持穩定后，保存訓練好的Random Forest模型；輸入測試集至訓練好的RandomForest模型，預測其危險行為；

其次，基于權重分數的危險行為預測及預警；

(3)Random Forest模型在線優化

將步驟(2)中的模型接口連接服刑人員數據庫，可實時讀取獄內發生危險行為的人員信息，更新后的樣本以單人數據信息的格式重新進入Random Forest模型中，RandomForest模型以此數據的有效影響因子為輸入特征在線學習并更新Random Forest模型權重。

2.根據權利要求1所述的一種基于有效影響因子的服刑人員危險行為預測方法，其特征在于，步驟2)中，提取有效影響因子，包括步驟如下：

首先，設置皮爾遜相關系數和信息增益的閾值；

其次，針對數據清洗后的數據集的各個特征字段，分別計算單一特征和危險行為的相關性，指標用PCC系數表示，若某特征取值低于閾值則視為冗余特征將其刪除，保留取值大于等于閾值的特征；

最后，計算特征提供的信息量，即經過前級篩選出各個特征字段的信息熵，若某特征取值低于信息增益的閾值，則視為冗余特征，將其刪除，保留取值大于等于閾值的特征；處理后得到有效影響因子構成的數據。

3.根據權利要求1所述的一種基于有效影響因子的服刑人員危險行為預測方法，其特征在于，用r表示PCC系數，其計算公式如式(Ⅰ)所示：

式(Ⅰ)中，X_i和表示數據清洗后數據集中的特征字段下每個服刑人員的數據的取值和所有服刑人員的數據均值，Y_i和表示每個樣本的標簽的取值和總體均值，i表示特征下某個樣本，n代表樣本總個數。

4.根據權利要求1所述的一種基于有效影響因子的服刑人員危險行為預測方法，其特征在于，用IG(Y/X)表示某一特征的信息熵，其計算公式如式(Ⅱ)、式(Ⅲ)、式(Ⅳ)所示：

IG(Y|X)＝H(Y)-H(Y|X) (Ⅳ)

式(Ⅱ)、式(Ⅲ)、式(Ⅳ)中，H(X)是指特征字段X的信息熵，p(x_i)表示該特征下取值為x_i的概率，x_i表示該特征下的取值，b是對數的底數，取2；H(Y|X)是指條件熵；H(Y)是指類別標簽的信息量。