基于贝叶斯网络推理模型的犯罪重建方法及装置制造方法及图纸

本发明专利技术公开了一种基于贝叶斯网络推理模型的犯罪重建方法及装置，该方法包括：将案事件中的犯罪实施过程分为多个阶段，梳理每个阶段的典型犯罪行为；梳理每个犯罪行为中可能产生的物证痕迹集合；将每一物证痕迹要素作为贝叶斯网络节点构建贝叶斯网络的证据层；提取典型犯罪行为中的犯罪事实生成假设集合和行为集合，将假设集合和行为集合的要素作为贝叶斯网络节点构建贝叶斯网络的假设层和行为层；根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，通过生长算法对母贝叶斯网络进行处理生成实例化的贝叶斯网络，通过实例化的贝叶斯网络进行犯罪重建。该方法建立的模型具有通用性，可以对一类案件中的任一进行犯罪重建。

Crime reconstruction method and device based on Bayesian network reasoning model

【技术实现步骤摘要】
基于贝叶斯网络推理模型的犯罪重建方法及装置
本专利技术涉及刑事科学、犯罪重建
，特别涉及一种基于贝叶斯网络推理模型的犯罪重建方法及装置。
技术介绍
在犯罪案事件中，每一犯罪行为均会产生相应的物证痕迹。公安干警根据犯罪现场遗留的物证痕迹，可以分析出作案人员、作案动机、作案工具、案发时间、案发地点等犯罪事实。在刑事科学领域，“犯罪重建”用以表示上述过程，其可定义为根据犯罪现场的物证痕迹来重建犯罪发生的经过。犯罪重建的结果按照粒度不同可分为两类：粗粒度的犯罪事实(如作案人员是谁，作案工具是什么)以及细粒度的犯罪行为(即犯罪现场发生的各种犯罪活动)。犯罪重建的结果将用于法庭审判，因此快速准确地重建犯罪对于维护社会安全与公平正义至关重要。犯罪重建的科学本质是证据的不确定性推理，故基于不确定性推理模型的方法可用于重建犯罪。不确定性推理模型可以融合多种证据进行综合地犯罪重建，并给出定量化的结果，可为侦查破案提供实质帮助。利用不确定性推理模型进行犯罪重建的研究已经开始起步，目前国际上也涌现出了一些模型。但通过对国内外文献的进一步分析，可以发现，目前的推理模型还存在着以下不足：(1)模型的通用性不足：对于每一个案件都需要构建一个对应的推理模型；(2)模型的自动化程度不足：每一个模型均需人为构建，机器不能自动建模，费时费力；(3)模型给出的结果不全面：模型没有同时考虑细粒度的犯罪行为与粗粒度的犯罪事实。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。<br>为此，本专利技术的一个目的在于提出一种基于贝叶斯网络推理模型的犯罪重建方法，该方法可以对一类案件中的任一具体个案进行犯罪重建。本专利技术的另一个目的在于提出一种基于贝叶斯网络推理模型的犯罪重建装置。为达到上述目的，本专利技术一方面实施例提出了一种基于贝叶斯网络推理模型的犯罪重建方法，包括：获取一类案事件，将案事件中的犯罪实施过程划分为多个阶段，并进行分析生成每个阶段对应的典型犯罪行为；对多个典型犯罪行为进行分析生成每个典型犯罪行为的物证痕迹集合；将所述物证痕迹集合中的每一物证痕迹要素作为贝叶斯网络的节点来构建所述贝叶斯网络的证据层；提取所述典型犯罪行为中的犯罪事实，生成包含所述犯罪事实的假设集合和不包含所述犯罪事实的行为集合，将所述假设集合和所述行为集合中的要素作为所述贝叶斯网络的节点构建所述贝叶斯网络的假设层和行为层；根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，通过网络生长算法对所述母贝叶斯网络进行处理生成实例化的贝叶斯网络，通过所述实例化的贝叶斯网络进行犯罪重建。本专利技术实施例的基于贝叶斯网络推理模型的犯罪重建方法，构建的犯罪重建模型是基于知识的不确定性推理模型，模型具有通用性，可以对一类案件中的任一具体个案进行犯罪重建；并且利用模型的网络生长算法，使贝叶斯网络进行自动调整，以适应不同的案件情况，不需要进行人为建模，减少人员负担；构建的模型既能输出粗粒度的犯罪事实，也能输出细粒度的犯罪行为，输出的结果更为全面。另外，根据本专利技术上述实施例的基于贝叶斯网络推理模型的犯罪重建方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述贝叶斯网络的证据层的节点包括证据存在和证据不存在两个状态；所述贝叶斯网络的假设层的节点包括假设成立和假设不成立两个状态；所述贝叶斯网络的行为层的节点包括行为发生和行为未发生两个状态。进一步地，在本专利技术的一个实施例中，所述根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，包括：将因果逻辑作为所述贝叶斯网络节点的连接关系，其中，原因节点作为父节点，结果节点作为子节点，证据层节点的父节点是行为层节点及假设层节点，行为层节点的父节点是假设层节点；利用专家经验或统计学习确定所述贝叶斯网络节点的先验概率和条件概率作为所述贝叶斯网络的网络结构参数；根据贝叶斯网络节点的连接关系和网络结构参数构建所述母贝叶斯网络。进一步地，在本专利技术的一个实施例中，所述通过网络生长算法对所述母贝叶斯网络进行处理生成实例化的贝叶斯网络，包括：获取所述假设集合中的任一假设对应的怀疑对象，在所述母贝叶斯网络中查找含有该怀疑对象的节点，并将查找出的节点构成生长节点列表；将所述生长节点列表中的节点及节点的内部连接关系复制并添加到所述母贝叶斯网络中得到生长的贝叶斯网络；根据所述生长节点列表中的节点在网络中的连接关系，将添加的节点与所述生长的贝叶斯网络中其它相关的节点相连接，得到所述实例化的贝叶斯网络。为达到上述目的，本专利技术另一方面实施例提出了一种基于贝叶斯网络推理模型的犯罪重建装置，包括：第一处理模块，用于获取一类案事件，将案事件中的犯罪实施过程划分为多个阶段，并进行分析生成每个阶段对应的典型犯罪行为；第二处理模块，用于对多个典型犯罪行为进行分析生成每个典型犯罪行为的物证痕迹集合；第一构建模块，用于将所述物证痕迹集合中的每一物证痕迹要素作为贝叶斯网络的节点来构建所述贝叶斯网络的证据层；第二构建模块，用于提取所述典型犯罪行为中的犯罪事实，生成包含所述犯罪事实的假设集合和不包含所述犯罪事实的行为集合，将所述假设集合和所述行为集合中的要素作为所述贝叶斯网络的节点构建所述贝叶斯网络的假设层和行为层；第三构建模块，用于根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，通过网络生长算法对所述母贝叶斯网络进行处理生成实例化的贝叶斯网络，通过所述实例化的贝叶斯网络进行犯罪推理。本专利技术实施例的基于贝叶斯网络推理模型的犯罪重建装置，构建的犯罪重建模型是基于知识的不确定性推理模型，模型具有通用性，可以对一类案件中的任一具体个案进行犯罪重建；并且利用模型的网络生长算法，使贝叶斯网络进行自动调整，以适应不同的案件情况，不需要进行人为建模，减少人员负担；构建的模型既能输出粗粒度的犯罪事实，也能输出细粒度的犯罪行为，输出的结果更为全面。另外，根据本专利技术上述实施例的基于贝叶斯网络推理模型的犯罪重建装置还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述贝叶斯网络的证据层的节点包括证据存在和证据不存在两个状态；所述贝叶斯网络的假设层的节点包括假设成立和假设不成立两个状态；所述贝叶斯网络的行为层的节点包括行为发生和行为未发生两个状态。进一步地，在本专利技术的一个实施例中，所述第三构建模块，具体用于，将因果逻辑作为所述贝叶斯网络节点的连接关系，其中，原因节点作为父节点，结果节点作为子节点，证据层节点的父节点是行为层节点及假设层节点，行为层节点的父节点假设层节点；利用专家经验或统计学习确定所述贝叶斯网络节点的先验概率和条件概率作为所述贝叶斯网络的网络结构参数；根据贝叶斯网络节点的连接关系和网络结构参数构建所述母贝叶斯网络。进一步地，在本专利技术的一个实施例中，所述通本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯网络推理模型的犯罪重建方法，其特征在于，包括以下步骤：/n获取一类案事件，将案事件中的犯罪实施过程划分为多个阶段，并进行分析生成每个阶段对应的典型犯罪行为；/n对多个典型犯罪行为进行分析生成每个典型犯罪行为的物证痕迹集合；/n将所述物证痕迹集合中的每一物证痕迹要素作为贝叶斯网络的节点来构建所述贝叶斯网络的证据层；/n提取所述典型犯罪行为中的犯罪事实，生成包含所述犯罪事实的假设集合和不包含所述犯罪事实的行为集合，将所述假设集合和所述行为集合中的要素作为所述贝叶斯网络的节点构建所述贝叶斯网络的假设层和行为层；/n根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，通过网络生长算法对所述母贝叶斯网络进行处理生成实例化的贝叶斯网络，通过所述实例化的贝叶斯网络进行犯罪重建。/n

【技术特征摘要】
1.一种基于贝叶斯网络推理模型的犯罪重建方法，其特征在于，包括以下步骤：
获取一类案事件，将案事件中的犯罪实施过程划分为多个阶段，并进行分析生成每个阶段对应的典型犯罪行为；
对多个典型犯罪行为进行分析生成每个典型犯罪行为的物证痕迹集合；
将所述物证痕迹集合中的每一物证痕迹要素作为贝叶斯网络的节点来构建所述贝叶斯网络的证据层；
提取所述典型犯罪行为中的犯罪事实，生成包含所述犯罪事实的假设集合和不包含所述犯罪事实的行为集合，将所述假设集合和所述行为集合中的要素作为所述贝叶斯网络的节点构建所述贝叶斯网络的假设层和行为层；
根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，通过网络生长算法对所述母贝叶斯网络进行处理生成实例化的贝叶斯网络，通过所述实例化的贝叶斯网络进行犯罪重建。


2.根据权利要求1所述的基于贝叶斯网络推理模型的犯罪重建方法，其特征在于，
所述贝叶斯网络的证据层的节点包括证据存在和证据不存在两个状态；
所述贝叶斯网络的假设层的节点包括假设成立和假设不成立两个状态；
所述贝叶斯网络的行为层的节点包括行为发生和行为未发生两个状态。


3.根据权利要求1所述的基于贝叶斯网络推理模型的犯罪重建方法，其特征在于，所述根据贝叶斯网络节点的连接关系和网络结构参数构建母贝叶斯网络，包括：
将因果逻辑作为所述贝叶斯网络节点的连接关系，其中，原因节点作为父节点，结果节点作为子节点，证据层节点的父节点是行为层节点及假设层节点，行为层节点的父节点是假设层节点；
利用专家经验或统计学习确定所述贝叶斯网络节点的先验概率和条件概率作为所述贝叶斯网络的网络结构参数；
根据贝叶斯网络节点的连接关系和网络结构参数构建所述母贝叶斯网络。


4.根据权利要求1所述的基于贝叶斯网络推理模型的犯罪重建方法，其特征在于，所述通过网络生长算法对所述母贝叶斯网络进行处理生成实例化的贝叶斯网络，包括：
获取所述假设集合中的任一假设对应的怀疑对象，在所述母贝叶斯网络中查找含有该怀疑对象的节点，并将查找出的节点构成生长节点列表；
将所述生长节点列表中的节点及节点的内部连接关系复制并添加到所述母贝叶斯网络中得到生长的贝叶斯网络；
根据所述生长节点列表中的节点在网络中的连接关系，将添加的节点与所述生长的贝叶斯网络中其它相关的节点相连接，得到所述实例化的贝叶斯网络。


5.一种...

【专利技术属性】
技术研发人员：王李韬，贾梅生，陈飞宇，倪顺江，申世飞，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11