[目的/意義]為實(shí)現(xiàn)對(duì)區(qū)域恐怖風(fēng)險(xiǎn)指數(shù)的短期預(yù)測(cè),提出一種基于灰色關(guān)聯(lián)（Grey relational analysis, GRA）支持向量回歸（support vector regression, SVR）的恐怖風(fēng)險(xiǎn)預(yù)測(cè)模型。[方法/過程]引入科學(xué)知識(shí)圖譜對(duì)恐怖風(fēng)險(xiǎn)要素進(jìn)行識(shí)別,并根據(jù)風(fēng)險(xiǎn)要素確定衡量指標(biāo);利用灰色關(guān)聯(lián)分析計(jì)算各影響指標(biāo)與恐怖風(fēng)險(xiǎn)的關(guān)聯(lián)度,篩選出主要的影響指標(biāo)構(gòu)建評(píng)估指標(biāo)體系;通過網(wǎng)格搜索交叉驗(yàn)證尋優(yōu)支持向量回歸機(jī)參數(shù),使用優(yōu)化后的參數(shù)建立支持向量回歸模型。[結(jié)果/結(jié)論]來自"一帶一路"沿線國(guó)家2008-2018年數(shù)據(jù)仿真結(jié)果表明,基于GRA-SVR的恐怖風(fēng)險(xiǎn)預(yù)測(cè)模型具備更優(yōu)的預(yù)測(cè)能力,該模型可在一定程度上彌補(bǔ)現(xiàn)有方法通用性不強(qiáng)、檢測(cè)結(jié)果與恐怖風(fēng)險(xiǎn)實(shí)際發(fā)生的相關(guān)性不高等不足,為我國(guó)國(guó)家安全戰(zhàn)略的制定和實(shí)施提供參考。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引 言
1 方法與原理
    1.1 灰色關(guān)聯(lián)算法
    1.2 支持向量回歸機(jī)理論
2 恐怖風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建
    2.1 恐怖風(fēng)險(xiǎn)要素提取
    2.2 恐怖風(fēng)險(xiǎn)指標(biāo)體系構(gòu)建
    2.3 支持向量回歸機(jī)參數(shù)優(yōu)化
3 實(shí)驗(yàn)與結(jié)果分析
4 結(jié)論與展望


【參考文獻(xiàn)】：
期刊論文
[1]基于灰色關(guān)聯(lián)分析的網(wǎng)絡(luò)謠言識(shí)別方法研究[J]. 魏陽(yáng),張鵬,蘭月新,夏一雪,邵珠旭.  情報(bào)雜志. 2017(12)
[2]面向社會(huì)安全事件的分布式神經(jīng)網(wǎng)絡(luò)攻擊行為分類方法[J]. 肖圣龍,陳昕,李卓.  計(jì)算機(jī)應(yīng)用. 2017(10)
[3]基于貝葉斯方法和變化表的恐怖行為預(yù)測(cè)算法[J]. 薛安榮,毛文淵,王孟頔,陳泉湞.  計(jì)算機(jī)科學(xué). 2016(12)
[4]基于隱馬爾可夫的恐怖事件預(yù)測(cè)模型[J]. 戰(zhàn)兵,韓銳.  解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(04)
[5]圖靈獎(jiǎng)得主識(shí)別與預(yù)測(cè)研究——基于多文獻(xiàn)計(jì)量指標(biāo)和支持向量機(jī)[J]. 唐川,唐卷,房俊民,劉春江.  情報(bào)雜志. 2015(02)
[6]共詞網(wǎng)絡(luò)的結(jié)構(gòu)與演化:概念與理論進(jìn)展[J]. 張斌.  情報(bào)雜志. 2014(07)



本文編號(hào)：3700615