恐怖袭击事件的类型预测方法及系统技术方案

本公开提供了一种恐怖袭击事件的类型预测方法和系统，其中该方法包括：获得恐怖袭击事件的属性；基于恐怖袭击事件的属性对恐怖袭击事件执行多个分类操作，以得到多个分类结果；以及对多个分类结果进行组合，以确定出恐怖袭击事件的类型。

Method and system for forecasting types of terrorist attacks

The present disclosure provides a method and system for predicting the types of terrorist attacks, including acquiring attributes of terrorist attacks, performing multiple classifications of terrorist attacks based on attributes of terrorist attacks to obtain multiple classifications, and combining multiple classifications to determine the results. The types of terrorist attacks.

【技术实现步骤摘要】
恐怖袭击事件的类型预测方法及系统
本公开涉及一种恐怖袭击事件的类型预测方法及系统。
技术介绍
“911”事件后，恐怖袭击的阴影笼罩全球。尽管各国都加大了防控力度，但是恐怖袭击事件并未远离人们的生活。大量与恐怖袭击事件相关的数据中隐含着各种深层次的关联和规律，这些隐藏的现象能够有效地指导反恐预警系统的建设工作，帮助解决反恐决策中的疑难问题，进行规律识别和预测。然而，对恐怖袭击大数据进行预测过程中，存在分类操作误判率高、预测精度低的问题，从而导致反恐预警系统效率不高。
技术实现思路
为了解决至少一个上述技术问题，在第一方面中，本公开提供了一种恐怖袭击事件的类型预测方法，其包括：获得恐怖袭击事件的属性；基于恐怖袭击事件的属性对恐怖袭击事件执行多个分类操作，以得到多个分类结果；以及对多个分类结果进行组合，以确定出恐怖袭击事件的类型。在一些实施方式中，对恐怖袭击事件的属性执行多个分类操作，以得到多个分类结果的步骤包括：通过K最邻近分类算法、决策树C4.5分类算法、自举汇聚法分类算法和支持向量机分类算法分别对恐怖袭击事件的属性执行多个分类操作，以得到多个分类结果。在一些实施方式中，对多个分类结果进行组合，以确定出恐怖袭击事件的类型的步骤包括：将多个分类结果以预定权重进行组合，并将具有最大概率的袭击类型确定为恐怖袭击事件的类型。在一些实施方式中，该方法还包括：提供训练数据集合；对训练数据集合执行多个分类操作，以得到训练类型；以及基于得到的训练类型，通过遗传算法分别确定出多个分类操作的权重。在一些实施方式中，该方法还包括：采用轮盘赌方式选择遗传算法的算子。在一些实施方式中，该方法还包括：设置遗传算法的两点交叉概率为0.7。在一些实施方式中，该方法还包括：设置遗传算法的单点变异概率为0.1。在一些实施方式中，恐怖袭击事件的类型选自以下之一：暗杀、绑架、武装攻击、劫持、路障、基础设施破坏、徒手攻击、爆炸、和未知。在一些实施方式中，恐怖袭击事件的属性包括：发生恐怖袭击的城市、发生恐怖袭击的地区、恐怖组织名称、武器类型、造成损失、是否产生赎金。在第二方面中，本公开提供了一种恐怖袭击事件的类型预测系统，包括：处理器；存储器，存储有能够被处理器执行的计算机可读指令，在计算机可读指令被执行时，处理器执行以下操作：获得恐怖袭击事件的属性；基于恐怖袭击事件的属性对恐怖袭击事件执行多个分类操作，以得到多个分类结果；以及对多个分类结果进行组合，以确定出恐怖袭击事件的类型。附图说明附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。图1示出了根据本公开一些实施方式的恐怖袭击事件的类型预测方法的示意性流程图。图2示出了根据本公开实施方式的确定分类操作的权重的过程。图3示出了根据本公开至少一个实施方式的通过遗传算法确定分类操作的权重的示意性流程图。图4示出了适于执行根据本公开一些实施方式的恐怖袭击事件的类型预测方法的计算机系统的结构示意图。具体实施方式下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开。图1示出了根据本公开一些实施方式的恐怖袭击事件的类型预测方法100的示意性流程图。如图1所示，方法100包括：S101，获得恐怖袭击事件的属性；S102，基于恐怖袭击事件的属性对恐怖袭击事件执行多个分类操作，以得到多个分类结果；以及S103，对多个分类结果进行组合，以确定出恐怖袭击事件的类型。步骤S101中所提到的恐怖袭击事件的属性可包括但不限于：城市(袭击发生地)、具体地区(类别变量，代表恐袭发生的具体地区)、恐怖组织名称(对恐袭负责的组织)、武器类型、造成损失、是否产生赎金。在步骤S102中，每个分类操作基于恐怖袭击事件的属性确定出该恐怖袭击事件的类型为以下类型之一的概率：暗杀、绑架、武装攻击、劫持、路障、基础设施破坏、徒手攻击、爆炸、或未知。每个分类操作均可确定出该恐怖袭击事件的类型为上述类型之一的概率。在本公开中，上述的分类操作可以是基于K近邻分类(K-nearestNeighbor，K-NN)算法的分类操作、基于支持向量机(SupportVectorMachine，SVM)算法的分类操作、基于朴素贝叶斯(Bayesian)算法的分类操作、基于决策树C4.5算法的分类操作、基于二次判别分析(QuadraticDiscriminantAnalysis，QAD)算法的分类操作、基于线性判别分析(LinearDiscriminantAnalysis，LDA)算法的分类操作、基于重构判别分析(ReconstructiveDiscriminantAnalysis,RDA)算法的分类操作、基于Bagging(Bootstrapaggregating)算法的分类操作。在本公开的一个示例性实施方式中，步骤S102中可通过K最邻近分类算法、决策树C4.5分类算法、自举汇聚法分类算法和支持向量机分类算法分别对恐怖袭击事件的属性执行分类操作，以得到四个分类结果，其中每个分类操作所得到的分类结果均指示了该恐怖袭击事件的类型为以下类型之一的概率：暗杀、绑架、武装攻击、劫持、路障、基础设施破坏、徒手攻击、爆炸、或未知。在步骤S103中，将在步骤S102中所得到的分类结果进行组合，以确定出该恐怖袭击事件的类型。在本公开的一些实施方式中，步骤S103可包括：将多个分类结果以预定权重进行组合，并将具有最大概率的袭击类型确定为该恐怖袭击事件的类型。下面将结合图2来描述根据本公开实施方式的确定分类操作的权重的过程。如图2所示，根据本公开实施方式的确定分类操作的权重的过程200可包括：S201，提供训练数据集合；S202，对训练数据集合执行多个分类操作，以得到训练类型；以及S203，基于得到的训练类型，通过遗传算法分别确定出该多个分类操作的权重。下面结合一个具体示例来对过程200进行更详细地解释说明。在步骤S201中，提供一个训练数据集合D，D＝{(xi,yi),i＝1,2,...I},本文中训练数据集合D是指从马里兰大学构建的全球恐怖主义数据库(GlobalTerrorismDatabase,GTD)中经过数据预处理的数据(即，具有完整7个属性的45221条恐袭记录)，x代表前文所提到的7种输入属性，包括城市、地区、袭击类型、恐怖组织名称、武器类型、造成损失、是否产生赎金。y表示相对应的输出属性(预测属性)，即恐怖袭击类型(AttackType)，I是训练的数据总数(I＝45221)。在步骤S202中，可通过K最邻近分类算法、决策树C4.5分类算法、自举汇聚法分类算法和支持向量机分类算法分别对训练数据集合执行分类操作。可选地，从训练数据集合D中分离出一部分样本，并使用上述的四种分类操作进行处理。只有分离出来的样本数据用于每个分类操作权重的分配学习，这样可以有效地缩减遗传算法训练优化权重的时本文档来自技高网...

【技术保护点】
1.一种恐怖袭击事件的类型预测方法，其特征在于，所述方法包括：获得恐怖袭击事件的属性；基于所述恐怖袭击事件的属性对所述恐怖袭击事件执行多个分类操作，以得到多个分类结果；以及对所述多个分类结果进行组合，以确定出所述恐怖袭击事件的类型。

【技术特征摘要】
1.一种恐怖袭击事件的类型预测方法，其特征在于，所述方法包括：获得恐怖袭击事件的属性；基于所述恐怖袭击事件的属性对所述恐怖袭击事件执行多个分类操作，以得到多个分类结果；以及对所述多个分类结果进行组合，以确定出所述恐怖袭击事件的类型。2.根据权利要求1所述的方法，其特征在于，对所述恐怖袭击事件的属性执行多个分类操作，以得到多个分类结果的步骤包括：通过K最邻近分类算法、决策树C4.5分类算法、自举汇聚法分类算法和支持向量机分类算法分别对所述恐怖袭击事件的属性执行多个分类操作，以得到所述多个分类结果。3.根据权利要求1所述的方法，其特征在于，对所述多个分类结果进行组合，以确定出所述恐怖袭击事件的类型的步骤包括：将所述多个分类结果以预定权重进行组合，并将具有最大概率的袭击类型确定为所述恐怖袭击事件的类型。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：提供训练数据集合；对所述训练数据集合执行所述多个分类操作，以得到训练类型；以及基于得到的所述训练类型，通过遗传算法分别确定出所述多个分类操作的权重。5.根据...

【专利技术属性】
技术研发人员：孟玺，
申请(专利权)人：孟玺，
类型：发明
国别省市：北京,11