一种强制隔离戒毒人员危险性倾向的智能预警方法技术

本发明专利技术公开了一种强制隔离戒毒人员危险性倾向的智能预警方法，主要是获取戒毒所的各个业务系统和安防系统大量的强制隔离戒毒人员数据，利用一种拉普拉斯支持向量机的半监督分类算法进行数学建模，自动分析强制隔离戒毒人员的行为特征，有效地判断出强制隔离戒毒人员是否有危险性倾向，并判断出有危险性倾向的强制隔离戒毒人员的危险性倾向类型。本发明专利技术充分利用了戒毒所现有的业务系统和安防系统中大量数据，成本小，可行性强，并对强制隔离戒毒人员危险性倾向进行分析判别并预警；用相对较少量样本数据训练出高精度的模型，自动预测出强制隔离戒毒人员的潜在行为特征，且误判造成的影响小，解决了小样本下的机器学习问题。

【技术实现步骤摘要】
一种强制隔离戒毒人员危险性倾向的智能预警方法
本专利技术涉及计算机智能信息处理中的大数据处理技术，尤其是一种强制隔离戒毒人员危险性倾向的智能预警方法。
技术介绍
随着戒毒信息化的发展，各个戒毒所均建设了戒毒业务系统和戒毒安防系统。其中，业务系统包括：执法管理系统、安防管理系统、探访管理系统、医疗管理系统、亲情电话系统、一卡通系统、心理咨询系统、诊断评估系统、教育矫治系统、体能训练系统、劳动康复系统等；安防系统包括：安防综合管理平台、视频监控系统、报警系统、门禁系统、巡更系统、广播对讲系统、周界防范系统、安全检查系统、智能管控系统、移动执法系统等。这些系统的建设为戒毒戒情的收集、分析和研判提供了大量的基础性数据。在戒毒戒情分析过程中，对强制隔离戒毒人员可能发生的危险性行为进行分析预警是一项特别重要的任务。但是，由于目前没有一种有效预警方法，导致了上述的各系统产生的大量数据基本被空置，没有被合理的挖掘分析以利用其潜在的价值。
技术实现思路
为了克服上述现有技术中的缺陷，本专利技术提供一种强制隔离戒毒人员危险性倾向的智能预警方法，主要是获取戒毒所的各个业务系统和安防系统大量的强制隔离戒毒人员数据，利用一种拉普拉斯支持向量机的半监督分类算法进行数学建模，自动分析强制隔离戒毒人员的行为特征，有效地判断出强制隔离戒毒人员是否有危险性倾向，并判断出有危险性倾向的强制隔离戒毒人员的危险性倾向类型。为实现上述目的，本专利技术采用以下技术方案，包括：一种强制隔离戒毒人员危险性倾向的智能预警方法，包括以下具体步骤：S1，从戒毒所的各个业务系统和安防系统中获取强制隔离戒毒人员的数据，并将强制隔离戒毒人员的数据传入数据中心；S2，对获取到的强制隔离戒毒人员的数据进行分类存储，将强制隔离戒毒人员的数据分为五类，依次为戒毒所环境、个人状况、戒务情况、外部因素、异常信息；S3，分别对强制隔离戒毒人员的五类数据进行特征提取，分别提取出用于分析强制隔离戒毒人员的危险性倾向的五类基础特征；S4，分别对五类基础特征进行特征向量化即数值化预处理，使每个强制隔离戒毒人员均得到一个特征向量；S5，对已知的有或没有危险性倾向的强制隔离戒毒人员进行标记，即在已知的有或没有危险性倾向的强制隔离戒毒人员的特征向量中增加一个标记位Y，得到已知的有或没有危险性倾向的强制隔离戒毒人员的被标记后的特征向量即为被标记的特征向量；其中，已知的有危险性倾向的强制隔离戒毒人员的特征向量中的标记位Y＝1,2…N，且标记位Y的取值从1开始到N结束分别表示不同的危险倾向类型；N表示危险倾向的总类型数；已知的没有危险倾向的强制隔离戒毒人员的特征向量中的标记位Y＝-1；S6，根据被标记的特征向量生成危险倾向判别模型，利用该危险倾向判别模型对未被标记的特征向量即未知的是否有危险性倾向的强制隔离戒毒人员的特征向量进行预测，预测该强制隔离戒毒人员是否有危险性倾向，以及被预测为有危险性倾向时的危险倾向类型。根据预测结果，对被预测为有危险性倾向的强制隔离戒毒人员发送预警信号，并发送该被预测为有危险性倾向的强制隔离戒毒人员的危险倾向类型。所述危险倾向判别模型的目标函数为：其中，f(xi)表示第i个样本即第i个被标记的特征向量；yi表示第i个样本的标记位Y的取值；m表示标识样本的总数量即被标记的特征向量的总数量；f表示预测函数；表示在再生核希尔伯特空间RKHS中定义的环境范数；Hk表示与核函数相关的RKHS；参数rA表示权重，用于控制在RKHS中的复杂性；是流形正则项，用于保持样本分布的内在流形结构；参数rI表示低维流形中函数的权重，用于控制内在几何结构函数的复杂性。步骤S6中，包括以下具体步骤：S61，根据危险倾向总类型数N，构建N个半监督分类器，且每个半监督分类器均为二分类模型结构；所述二分类模型结构是将N个危险倾向类型中的属于同一个危险倾向类型的强制隔离戒毒人员的特征向量作为二分类中的第一类，并将其余的N-1个危险倾向类型的特征向量作为二分类中的第二类；且N个半监督分类器即N个二分类模型结构中的第一类分别对应N个不同的危险倾向类型，即每个半监督分类器分别对应为一个危险倾向类型；S62，将某个未标记的特征向量分别输入到N个半监督分类器中，分别得到N个半监督分类器的预测函数f1、f2、…fN；所述半监督分类器的工作方式为：根据危险倾向判别模型的目标函数，并通过数值优化方法对未标记的特征向量进行预测，生成半监督分类器的预测函数；若半监督分类器的预测函数的结果为1，则该未标记的特征向量属于该半监督分类器所对应为危险倾向类型，若该半监督分类器的预测函数的结果为-1，则该未标记的特征向量不属于该半监督分类器所对应为危险倾向类型；S63，根据N个半监督分类器的预测函数f1、f2、…fN的结果，得到该未标记的特征向量所对应的强制隔离戒毒人员的预测结果；其中，若N个半监督分类器的预测函数的结果均为-1，则该未标记的特征向量所对应的强制隔离戒毒人员的预测结果为没有危险性倾向；若仅存在一个半监督分类器的预测函数的结果为1，则该未标记的特征向量所对应的强制隔离戒毒人员的预测结果为有危险性倾向，且危险性类型为该半监督分类器所对应为危险倾向类型；若存在多个半监督分类器的预测函数的结果为1，则该未标记的特征向量所对应的强制隔离戒毒人员的预测结果为有危险性倾向，且该强制隔离戒毒人员的危险倾向类型存在多个，分别预测函数的结果为1的该多个半监督分类器所对应为危险倾向类型。所述半监督分类器为基于拉普拉斯支持向量机的半监督分类器或基于正则化逻辑回归的多类半监督分类器。步骤S5中，所述危险倾向的总类型数N＝4；其中，N＝1表示危险倾向类别为自杀，N＝2表示危险倾向类别为逃脱，N＝3表示危险倾向类别为施暴，N＝4表示危险倾向类别为破环。本专利技术还提供一种强制隔离戒毒人员危险性倾向的智能预警系统，其特征在于，包括如下组成部分：数据采集单元、数据中心、数据处理单元、预警处理单元；其中，所述数据采集单元从戒毒所的各个业务系统和安防系统中获取强制隔离戒毒人员的数据；所述数据采集单元与所述数据中心相连接，将强制隔离戒毒人员的数据传入数据中心；所述数据中心与所述数据处理单元相连接，对获取到的强制隔离戒毒人员的数据进行分类存储；所述数据处理单元根据强制隔离戒毒人员的数据进行数据处理并生成危险倾向判别模型，并利用该危险倾向判别模型对未知的是否有危险性倾向的强制隔离戒毒人员进行预测，预测该强制隔离戒毒人员是否有危险性倾向，以及被预测为有危险性倾向时的危险倾向类型；所述数据处理单元与所述预警处理单元相连接，将被预测为有危险性倾向的强制隔离戒毒人员的危险倾向类型发送至所述预警处理单元；所述预警处理单元对被预测为有危险性倾向的强制隔离戒毒人员发送预警信号，并发送该被预测为有危险性倾向的强制隔离戒毒人员的危险倾向类型。本专利技术的优点在于：(1)本专利技术充分利用了戒毒所现有的业务系统和安防系统中大量数据，对强制隔离戒毒人员危险性倾向进行分析判别并预警。(2)本专利技术能够用相对较少量样本数据训练出高精度的模型，自动预测出强制隔离戒毒人员的潜在行为特征，且误判造成的影响小，解决了小样本下的机器学习问题。(3)本专利技术充分利用了戒毒所现有系统中的大量数据，成本小，可行性强。(本文档来自技高网...

【技术保护点】
1.一种强制隔离戒毒人员危险性倾向的智能预警方法，其特征在于，包括以下具体步骤：S1，从戒毒所的各个业务系统和安防系统中获取强制隔离戒毒人员的数据，并将强制隔离戒毒人员的数据传入数据中心；S2，对获取到的强制隔离戒毒人员的数据进行分类存储，将强制隔离戒毒人员的数据分为五类，依次为戒毒所环境、个人状况、戒务情况、外部因素、异常信息；S3，分别对强制隔离戒毒人员的五类数据进行特征提取，分别提取出用于分析强制隔离戒毒人员的危险性倾向的五类基础特征；S4，分别对五类基础特征进行特征向量化即数值化预处理，使每个强制隔离戒毒人员均得到一个特征向量；S5，对已知的有或没有危险性倾向的强制隔离戒毒人员进行标记，即在已知的有或没有危险性倾向的强制隔离戒毒人员的特征向量中增加一个标记位Y，得到已知的有或没有危险性倾向的强制隔离戒毒人员的被标记后的特征向量即为被标记的特征向量；其中，已知的有危险性倾向的强制隔离戒毒人员的特征向量中的标记位Y＝1,2…N，且标记位Y的取值从1开始到N结束分别表示不同的危险倾向类型；N表示危险倾向的总类型数；已知的没有危险倾向的强制隔离戒毒人员的特征向量中的标记位Y＝‑1；S6，根据被标记的特征向量生成危险倾向判别模型，利用该危险倾向判别模型对未被标记的特征向量即未知的是否有危险性倾向的强制隔离戒毒人员的特征向量进行预测，预测该强制隔离戒毒人员是否有危险性倾向，以及被预测为有危险性倾向时的危险倾向类型。...

【技术特征摘要】
1.一种强制隔离戒毒人员危险性倾向的智能预警方法，其特征在于，包括以下具体步骤：S1，从戒毒所的各个业务系统和安防系统中获取强制隔离戒毒人员的数据，并将强制隔离戒毒人员的数据传入数据中心；S2，对获取到的强制隔离戒毒人员的数据进行分类存储，将强制隔离戒毒人员的数据分为五类，依次为戒毒所环境、个人状况、戒务情况、外部因素、异常信息；S3，分别对强制隔离戒毒人员的五类数据进行特征提取，分别提取出用于分析强制隔离戒毒人员的危险性倾向的五类基础特征；S4，分别对五类基础特征进行特征向量化即数值化预处理，使每个强制隔离戒毒人员均得到一个特征向量；S5，对已知的有或没有危险性倾向的强制隔离戒毒人员进行标记，即在已知的有或没有危险性倾向的强制隔离戒毒人员的特征向量中增加一个标记位Y，得到已知的有或没有危险性倾向的强制隔离戒毒人员的被标记后的特征向量即为被标记的特征向量；其中，已知的有危险性倾向的强制隔离戒毒人员的特征向量中的标记位Y＝1,2…N，且标记位Y的取值从1开始到N结束分别表示不同的危险倾向类型；N表示危险倾向的总类型数；已知的没有危险倾向的强制隔离戒毒人员的特征向量中的标记位Y＝-1；S6，根据被标记的特征向量生成危险倾向判别模型，利用该危险倾向判别模型对未被标记的特征向量即未知的是否有危险性倾向的强制隔离戒毒人员的特征向量进行预测，预测该强制隔离戒毒人员是否有危险性倾向，以及被预测为有危险性倾向时的危险倾向类型。2.根据权利要求1所述的一种强制隔离戒毒人员危险性倾向的智能预警方法，其特征在于，根据预测结果，对被预测为有危险性倾向的强制隔离戒毒人员发送预警信号，并发送该被预测为有危险性倾向的强制隔离戒毒人员的危险倾向类型。3.根据权利要求1所述的一种强制隔离戒毒人员危险性倾向的智能预警方法，其特征在于，所述危险倾向判别模型的目标函数为：其中，f(xi)表示第i个样本即第i个被标记的特征向量；yi表示第i个样本的标记位Y的取值；m表示标识样本的总数量即被标记的特征向量的总数量；f表示预测函数；表示在再生核希尔伯特空间RKHS中定义的环境范数；Hk表示与核函数相关的RKHS；参数rA表示权重，用于控制在RKHS中的复杂性；是流形正则项，用于保持样本分布的内在流形结构；参数rI表示低维流形中函数的权重，用于控制内在几何结构函数的复杂性。4.根据权利要求3所述的一种强制隔离戒毒人员危险性倾向的智能预警方法，其特征在于，步骤S6中，包括以下具体步骤：S61，根据危险倾向总类型数N，构建N个半监督分类器，且每个半监督分类器均为二分类模型结构；所述二分类模型结构是将N个危险倾向类型中的属于同一个危险倾向类型的强制隔离戒毒人员的特征向量作为二分类中的第一类，并将其余的N-1个危险倾向类型的特征向量作为二分类中的第二类；且N个半监督分类器即N个二分类模型结构中的第一类分别对应N个不同的危险倾向类型，即每个半监督分类器分别对应为一个危险倾向...

【专利技术属性】
技术研发人员：张金良，马韵洁，孙威蔚，张时雄，汪辉，徐小兵，余凯强，王艳，汪慧，
申请(专利权)人：安徽四创电子股份有限公司，
类型：发明
国别省市：安徽,34