犯罪預(yù)測(cè)是指運(yùn)用科學(xué)方法對(duì)現(xiàn)有的歷史犯罪數(shù)據(jù)與可能對(duì)犯罪產(chǎn)生影響的各種相關(guān)數(shù)據(jù)的分析與研究,對(duì)未來(lái)特定時(shí)空范圍內(nèi)可能出現(xiàn)的犯罪現(xiàn)象的狀態(tài)與發(fā)展趨勢(shì)預(yù)先推測(cè)或測(cè)定,高精度的犯罪預(yù)測(cè)可以為犯罪預(yù)防戰(zhàn)略和戰(zhàn)術(shù)措施的制定提供重要的科學(xué)保證。本文結(jié)合出租車(chē)數(shù)據(jù)提出了一種空間權(quán)重矩陣構(gòu)建方法。在此基礎(chǔ)上,采用時(shí)空自回歸移動(dòng)平均模型進(jìn)行犯罪預(yù)測(cè)。此外,時(shí)空自回歸移動(dòng)平均模型無(wú)法擬合犯罪時(shí)空序列中的非線(xiàn)性特征,本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的犯罪時(shí)空預(yù)測(cè)模型。本文的主要工作如下。（1）隨著交通的發(fā)展和人類(lèi)出行活動(dòng)的頻繁,區(qū)域之間的鄰近關(guān)系不僅僅是空間位置上的鄰近了。本文結(jié)合出租車(chē)出行數(shù)據(jù)與地圖結(jié)構(gòu)信息設(shè)計(jì)一種空間權(quán)重矩陣構(gòu)建方法,該方法對(duì)區(qū)域之間的距離關(guān)系進(jìn)行重新定義,以更好地體現(xiàn)出犯罪在空間上的鄰近傳播性質(zhì)。（2）基于所設(shè)計(jì)的空間權(quán)重矩陣,使用STARMA模型進(jìn)行犯罪預(yù)測(cè)。實(shí)驗(yàn)驗(yàn)證了算法的有效性。（3）由于時(shí)空自回歸移動(dòng)平均模型屬于線(xiàn)性模型,無(wú)法捕捉到犯罪時(shí)空序列中的非線(xiàn)性特征。本文結(jié)合所設(shè)計(jì)的空間權(quán)重矩陣,提出了一種基于神經(jīng)網(wǎng)絡(luò)的犯罪時(shí)空預(yù)測(cè)模型。實(shí)驗(yàn)表明該模型能夠在一定程度上提高犯罪預(yù)測(cè)的準(zhǔn)確度。最... 

【文章來(lái)源】：浙江工業(yè)大學(xué)浙江省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

芝加哥犯罪區(qū)域社區(qū)分布圖

基于時(shí)空序列模型的犯罪預(yù)測(cè)與分析研究13)()()()(10)(10)(ZWtZktktWtqknhhkhpkmhhkhkk（2-17）上式中，p表示模型的時(shí)間延遲階數(shù)；E}{表示數(shù)學(xué)期望運(yùn)算符；km與kn表示空間延遲階數(shù)；khkh與表示模型系數(shù)；)(t表示模型殘差函數(shù)，時(shí)間與空間延遲階數(shù)從時(shí)空數(shù)據(jù)的偏自相關(guān)函數(shù)與自相關(guān)函數(shù)是否拖尾或截?cái)噙M(jìn)行判斷。2.3BP神經(jīng)網(wǎng)絡(luò)模型BP（backpropagation）神經(jīng)網(wǎng)絡(luò)是在1986年由Rumelhart和McClelland為首的科學(xué)家提出的概念，相較傳統(tǒng)的線(xiàn)性模型，BP神經(jīng)網(wǎng)絡(luò)可以捕捉輸入數(shù)據(jù)中的非線(xiàn)性特征進(jìn)行預(yù)測(cè)，是一種可以學(xué)習(xí)到非線(xiàn)性特征的多層前饋神經(jīng)網(wǎng)絡(luò)模型。模型內(nèi)的各個(gè)神經(jīng)元節(jié)點(diǎn)按照與人腦中神經(jīng)元相同的方式連接，隱層神經(jīng)元的權(quán)值系數(shù)按照誤差逆向傳播算法通過(guò)多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，對(duì)于原始未加工的且不可直接描述的特征擬合尤其有效，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)[54]。使用BP神經(jīng)網(wǎng)絡(luò)模型來(lái)進(jìn)行犯罪時(shí)空預(yù)測(cè)任務(wù)，是對(duì)不同時(shí)間延遲階數(shù)的犯罪時(shí)間序列進(jìn)行擬合與預(yù)測(cè)。構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型輸入層輸入包含了犯罪時(shí)間序列的n個(gè)延遲數(shù)據(jù)，輸出層的輸出為單一區(qū)域的犯罪時(shí)間序列預(yù)測(cè)值，網(wǎng)絡(luò)結(jié)構(gòu)如圖2-2所示。圖2-2BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)圖Figure2-2.NetworkstructurediagramofBPneuralnetwork

浙江工業(yè)大學(xué)碩士學(xué)位論文16圖3-1混合-鄰接空間權(quán)重矩陣結(jié)構(gòu)圖Figure3-1.Structurechartofmixed-adjacentspaceweightmatrix表3-1芝加哥部分社區(qū)鄰接關(guān)系Table3-1.RelationshipinsomeneighborhoodsinChicago社區(qū)編號(hào)一階空間鄰域二階空間鄰域127734132141377356121416345677127131416212242356131416771712152021225346714162122281213152023247763457281314162122247775682224341416202123272832872428325622232729313334910111276109111276131415161711101215913141617192076121011131415162459171920217613241214135610151677

【參考文獻(xiàn)】：
期刊論文
[1]基于長(zhǎng)短期記憶模型的入室盜竊犯罪預(yù)測(cè)研究[J]. 沈寒蕾,張虎,張耀峰,張志剛,朱艷敏,蔡黎.  統(tǒng)計(jì)與信息論壇. 2019(11)
[2]淺談數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的研究與實(shí)現(xiàn)[J]. 李果.  計(jì)算機(jī)產(chǎn)品與流通. 2019(10)
[3]地理空間關(guān)聯(lián)模式的統(tǒng)計(jì)挖掘方法研究[J]. 何占軍.  測(cè)繪學(xué)報(bào). 2019(08)
[4]基于隨機(jī)森林的犯罪預(yù)測(cè)模型[J]. 盧睿,李林瑛.  中國(guó)刑警學(xué)院學(xué)報(bào). 2019(03)
[5]地理數(shù)據(jù)關(guān)聯(lián)研究進(jìn)展[J]. 劉朋飛,崔鐵軍.  天津師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[6]犯罪時(shí)間序列預(yù)測(cè)分析方法研究——以CrimeStat軟件為例[J]. 鐘飚,袁夢(mèng)佳.  中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[7]基于時(shí)空自回歸移動(dòng)平均模型的風(fēng)電出力序列模擬[J]. 鄒金,朱繼忠,賴(lài)旭,謝平平,禤培正.  電力系統(tǒng)自動(dòng)化. 2019(03)
[8]基于時(shí)空序列混合模型的犯罪情報(bào)預(yù)測(cè)分析[J]. 劉美霖,高見(jiàn),黃鴻志,袁得崳.  情報(bào)雜志. 2018(09)
[9]基于環(huán)境犯罪學(xué)的犯罪預(yù)測(cè)模型的建立[J]. 李雨聰,劉碩,王方明.  情報(bào)雜志. 2018(02)
[10]網(wǎng)約車(chē)新政下治安管理問(wèn)題探究[J]. 張毅航.  江蘇警官學(xué)院學(xué)報(bào). 2017(03)

碩士論文
[1]基于數(shù)據(jù)挖掘的社區(qū)犯罪率分析與預(yù)測(cè)研究[D]. 安思敏.北京交通大學(xué) 2017



本文編號(hào)：3091736