一种基于有效影响因子的服刑人员危险行为预测方法及系统技术方案

本发明专利技术涉及一种基于有效影响因子的服刑人员危险行为预测方法及系统，包括步骤如下：(1)结构化处理：1)数据清洗；2)提取有效影响因子；(2)基于权重分数的危险行为预测：首先，对所有待评估人员进行分类：其次，结合狱政管理业务，管理者往往关注有极高危险行为的小部分群体，基于权重分数的危险行为预测及预警；(3)Random Forest模型在线优化。本发明专利技术从评估人员的数据相关性和字段提供的信息熵两方面进行分析和筛选，挖掘出对服刑人员危险行为的重要因素。可减少计算复杂度和模型复杂性，同时提高评估预测的准确率和有效性。

【技术实现步骤摘要】
一种基于有效影响因子的服刑人员危险行为预测方法及系统
本专利技术涉及一种基于有效影响因子的服刑人员危险行为预测方法及系统，属于狱政管理
，具体涉及一种监狱内危险行为预测的研究方法。
技术介绍
监狱中的狱政管理对监狱工作具有重要的作用，在目前的社会形势下，除了做好服刑人员的改造工作以外，对狱内服刑人员的日常行为监测和危险评估也十分重要，这是保障监狱环境安全、推动人员良好改造的基础性一环。常规的危险预测和评估工作主要包括：自杀危险、逃脱危险、暴力危险等。目前，狱政管理中此项工作主要依赖监区干警的观测和评估、纸质量表来进行，存在主观性较强，实时性较差，准确率偏低等问题。现有方法的不足具体表现在：(1)通过干警个人经验对服刑人员进行的危险行为判断在一定范围内即干警管辖的服刑人员中是准确的，但无法比较不同干警的不同管辖群体之间的危险行为；(2)通过结合干警对各类型犯罪的经验权重判断出的服刑人员的危险行为在准确性方面又略显不足且存在严重的滞后性。对服刑人员的危险行为进行有效量化的过程中，现有的方法是把全部犯人信息都作为潜在危险程度的考量，这样本文档来自技高网...

【技术保护点】
1.一种基于有效影响因子的服刑人员危险行为预测方法，其特征在于，包括步骤如下：/n(1)结构化处理：/n1)数据清洗；对服刑人员特征信息进行数据清洗；服刑人员特征信息包括罪犯基本信息、犯罪信息、心理状况和日常行为；/n2)提取有效影响因子；/n(2)基于权重分数的危险行为预测/n危险行为包括自杀危险、逃脱危险、暴力危险；/n首先，对所有待评估人员进行分类：/n将结构化处理后有效影响因子构成的数据集划分为训练集和测试集，将训练集输入Random Forest模型进行学习和训练，待Random Forest模型的学习完成预设的迭代次数且误差维持稳定后，保存训练好的Random Forest模型；输...

【技术特征摘要】
20191104 CN 20191106446671.一种基于有效影响因子的服刑人员危险行为预测方法，其特征在于，包括步骤如下：
(1)结构化处理：
1)数据清洗；对服刑人员特征信息进行数据清洗；服刑人员特征信息包括罪犯基本信息、犯罪信息、心理状况和日常行为；
2)提取有效影响因子；
(2)基于权重分数的危险行为预测
危险行为包括自杀危险、逃脱危险、暴力危险；
首先，对所有待评估人员进行分类：
将结构化处理后有效影响因子构成的数据集划分为训练集和测试集，将训练集输入RandomForest模型进行学习和训练，待RandomForest模型的学习完成预设的迭代次数且误差维持稳定后，保存训练好的RandomForest模型；输入测试集至训练好的RandomForest模型，预测其危险行为；
其次，基于权重分数的危险行为预测及预警；
(3)RandomForest模型在线优化
将步骤(2)中的模型接口连接服刑人员数据库，可实时读取狱内发生危险行为的人员信息，更新后的样本以单人数据信息的格式重新进入RandomForest模型中，RandomForest模型以此数据的有效影响因子为输入特征在线学习并更新RandomForest模型权重。


2.根据权利要求1所述的一种基于有效影响因子的服刑人员危险行为预测方法，其特征在于，步骤2)中，提取有效影响因子，包括步骤如下：
首先，设置皮尔逊相关系数和信息增益的阈值；
其次，针对数据清洗后的数据集的各个特征字段，分别计算单一特征和危险行为的相关性，指标用PCC系数表示，若某特征取值低于阈值则视为冗余特征将其删除，保留取值大于等于阈值的特征；
最后，计算特征提供的信息量，即经过前级筛选出各个特征字段的信息熵，若某特征取值低于信息增益的阈值，则视为冗余特征，将其删除，保留取值大于等于阈值的特征；处理后得到有效影响因子构成的数据。


3.根据权利要求1所述的一种基于有效影响因子的服刑人员危险行为预测方法，其特征在于，用r表示PCC系数，其计算公式如式(Ⅰ)所示：



式(Ⅰ)中，Xi和表示数据清洗后数据集中的特征字段下每个服刑人员的数据的取值和所有服刑人员的数据均值，Yi和表示每个样本的标签的取值和总体均值，i表示特征下某个样本，n代表样本总个数。


4.根据权利要求1所述的一种基于有效影响因子的服刑人员危险行为预测方法，其特征在于，用IG(Y/X)表示某一特征的信息熵，其计算公式如式(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(xi)表示该特征下取值为xi的概率，xi表示该特征下的取值，b是对数的底数，取2；H(Y|X)是指条件熵；H(Y)是指类别标签的信息量。


5.根据权利要求1所述的一种基于有效影响因子的服刑人员危险行为预测方法，其特征在于，基于权重分数的危险行为预测及预警，其过程包括：
A、提取出有自杀危险、逃脱危险、暴力危险行为的服刑人员特征信息作为数据集；
B、提出基于分级特征提取的AHP层次分析法对有效影响因子进行权重赋值，依据权重计算出每一个人员样本对应的属性总分数作为最终的危险行为分数，针对排序后分数高的群体发出预警，供干警查看危险人员的状态并对危险情况采取相应的管制措施,包括步骤如下：
将服刑人员特征信息分...

【专利技术属性】
技术研发人员：李玉军，邓媛洁，刘治，贲晛烨，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37