本文關(guān)鍵詞：基于行為變化的恐怖預(yù)測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：現(xiàn)有的恐怖預(yù)測(cè)模型主要是根據(jù)組織以往背景與行為之間的聯(lián)系來(lái)預(yù)測(cè)其未來(lái)的表現(xiàn),并未考慮組織背景屬性變化引起行為屬性的改變。以文化建模(Culture Modeling,CM)為基礎(chǔ)的恐怖行為預(yù)測(cè)算法就是根據(jù)組織背景與行為之間的關(guān)系,構(gòu)建組織的行為預(yù)測(cè)模型。而組織一般具有反偵查能力,其恐怖活動(dòng)發(fā)生的時(shí)間、地點(diǎn)及行為強(qiáng)度等屬性會(huì)因此改變�，F(xiàn)有模型大多數(shù)沒(méi)有考慮組織背景的改變及由此引起的行為變化。只有變化分析預(yù)測(cè)引擎(Change Analysis Predictive Engine,CAPE)模型考慮了組織行為持續(xù)改變并動(dòng)態(tài)變化的情況,其基本思想是組織背景的改變可能引起其行為的變化。該模型通過(guò)建立變化表,分析組織改變行為的條件,構(gòu)建背景與行為之間的變化規(guī)則。然而,當(dāng)背景變化不滿足變化規(guī)則中的變化條件時(shí),CAPE無(wú)法預(yù)測(cè)行為變化。此時(shí),該模型結(jié)合Sit CAST和CONVEX方法來(lái)預(yù)測(cè)組織行為。而Sit CAST+CONVEX算法的時(shí)間復(fù)雜度為指數(shù)級(jí),且預(yù)測(cè)準(zhǔn)確率較低。另外,恐怖數(shù)據(jù)集中存在的無(wú)關(guān)、弱相關(guān)及冗余屬性,也嚴(yán)重影響了算法對(duì)恐怖行為的預(yù)測(cè)效果。因此,為了能夠利用任意背景變化有效預(yù)測(cè)組織行為,統(tǒng)一預(yù)測(cè)過(guò)程,針對(duì)恐怖數(shù)據(jù)集高維小樣本特點(diǎn),提出一種基于行為變化和貝葉斯方法的恐怖預(yù)測(cè)算法。為了有效地提取與行為變化相關(guān)的背景特征,利用背景與行為之間的變化關(guān)聯(lián)性改進(jìn)了基于譜聚類的背景子空間提取算法(Spectral Cluster Based on Attributes’Association,SCBAA)。論文的主要內(nèi)容如下:(1)為了能根據(jù)任意背景變化預(yù)測(cè)恐怖行為,針對(duì)恐怖數(shù)據(jù)高維小樣本的特點(diǎn),提出了一種在改進(jìn)的變化表上,利用貝葉斯方法預(yù)測(cè)組織行為的算法。利用貝葉斯方法可快速有效解決高維小樣本分類問(wèn)題的特性,在改進(jìn)的變化表上實(shí)現(xiàn)對(duì)組織行為的預(yù)測(cè),從而提高了預(yù)測(cè)精度和計(jì)算效率。此外,考慮到背景的變化會(huì)在時(shí)間序列上對(duì)組織行為產(chǎn)生持續(xù)的影響,因此在不同時(shí)間滯差下,利用加權(quán)的貝葉斯方法預(yù)測(cè)組織行為。對(duì)MAROB數(shù)據(jù)集上多個(gè)組織數(shù)據(jù)的實(shí)驗(yàn)結(jié)果也表明,所提算法的準(zhǔn)確率比CAPE算法提高10%~15%,且運(yùn)行時(shí)間比CAPE算法低了兩個(gè)數(shù)量級(jí)。(2)利用背景特征與行為之間的變化關(guān)聯(lián)性,在SCBAA算法的基礎(chǔ)上,提出了基于行為變化和譜聚類的特征選擇(Feature Selection based on BehaviorChange,FSBC)算法。該算法只提取與行為變化相關(guān)的背景特征,從而減少與行為變化無(wú)關(guān)的背景的影響,進(jìn)而提高了預(yù)測(cè)行為變化的能力。以恐怖數(shù)據(jù)集MAROB中的9種恐怖行為為例的實(shí)驗(yàn)結(jié)果表明,改進(jìn)的基于行為變化和譜聚類的特征選擇算法在多步加權(quán)貝葉斯模型上的預(yù)測(cè)效果要優(yōu)于幾種典型的特征選擇算法。(3)基于模塊化的理念,設(shè)計(jì)并實(shí)現(xiàn)了基于行為變化和譜聚類的特征提取和多步加權(quán)貝葉斯模型預(yù)測(cè)恐怖行為的原型系統(tǒng)。
【關(guān)鍵詞】：恐怖預(yù)測(cè) 行為變化 貝葉斯方法 多步加權(quán)貝葉斯模型 特征選擇
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：D815.5;TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 研究背景和意義10-11
• 1.2 研究現(xiàn)狀11-13
• 1.3 主要研究?jī)?nèi)容13-14
• 1.4 論文的組織結(jié)構(gòu)14-15
• 1.5 本章小結(jié)15-16
• 第二章 相關(guān)理論與技術(shù)16-27
• 2.1 特征選擇16-22
• 2.1.1 特征提取和特征選擇的區(qū)別16
• 2.1.2 特征選擇的基本框架16-17
• 2.1.3 搜索策略17-18
• 2.1.4 評(píng)價(jià)準(zhǔn)則18-22
• 2.2 貝葉斯分類方法22-23
• 2.3 譜聚類23-25
• 2.4 MAROB數(shù)據(jù)集25-26
• 2.4.1 MAROB數(shù)據(jù)集的結(jié)構(gòu)25-26
• 2.4.2 MAROB數(shù)據(jù)集的特點(diǎn)26
• 2.5 本章小結(jié)26-27
• 第三章 基于行為變化和貝葉斯方法的恐怖預(yù)測(cè)算法27-38
• 3.1 已有算法的局限性27-28
• 3.2 變化表28-31
• 3.2.1 原始的變化表28-29
• 3.2.2 改進(jìn)的變化表29-30
• 3.2.3 改進(jìn)的h-變化表30-31
• 3.3 基于變化表和貝葉斯方法的恐怖預(yù)測(cè)算法31-34
• 3.3.1 單變化表預(yù)測(cè)方法31-33
• 3.3.2 多步加權(quán)貝葉斯預(yù)測(cè)方法33-34
• 3.4 實(shí)驗(yàn)與分析34-37
• 3.5 本章小結(jié)37-38
• 第四章 基于行為變化和譜聚類的背景特征選擇38-49
• 4.1 背景數(shù)據(jù)對(duì)預(yù)測(cè)算法的影響分析38-39
• 4.2 基于譜聚類的背景子空間提取算法39-41
• 4.2.1 親和矩陣的構(gòu)建與計(jì)算39-40
• 4.2.2 算法的分析40-41
• 4.3 針對(duì)行為變化的背景特征選擇算法41-44
• 4.4 實(shí)驗(yàn)與分析44-48
• 4.4.1 相關(guān)性分析45
• 4.4.2 實(shí)驗(yàn)結(jié)果45-47
• 4.4.3 基于MWB的實(shí)驗(yàn)結(jié)果與分析47-48
• 4.5 本章小結(jié)48-49
• 第五章 原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)49-61
• 5.1 原型系統(tǒng)運(yùn)行環(huán)境及開(kāi)發(fā)平臺(tái)49
• 5.2 系統(tǒng)設(shè)計(jì)原則49-50
• 5.3 系統(tǒng)框架及模塊設(shè)計(jì)50-52
• 5.3.1 數(shù)據(jù)預(yù)處理模塊51
• 5.3.2 特征選擇模塊51-52
• 5.3.3 行為預(yù)測(cè)模塊52
• 5.4 核心功能類的設(shè)計(jì)52-56
• 5.4.1 數(shù)據(jù)預(yù)處理模塊類52-53
• 5.4.2 特征選擇模塊類53-55
• 5.4.3 行為預(yù)測(cè)模塊類55-56
• 5.5 原型系統(tǒng)的實(shí)現(xiàn)56-60
• 5.6 本章小結(jié)60-61
• 第六章 總結(jié)和展望61-63
• 6.1 總結(jié)61-62
• 6.2 展望62-63
• 致謝63-64
• 參考文獻(xiàn)64-67
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文67

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 趙曉芬;;評(píng)貝葉斯方法對(duì)概率邏輯的繼承和發(fā)展[J];安徽警官職業(yè)學(xué)院學(xué)報(bào);2011年04期

2 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 David Z.D'Argenio;;貝葉斯方法在實(shí)驗(yàn)室研究向臨床的轉(zhuǎn)化以及辨識(shí)隱含亞群體中的應(yīng)用(英文)[A];中國(guó)藥理學(xué)會(huì)臨床藥理學(xué)專業(yè)委員會(huì)會(huì)議暨第十次全國(guó)臨床藥理學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

2 姜峰;高文;姚鴻勛;;貝葉斯網(wǎng)絡(luò)的推理和學(xué)習(xí)[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（下冊(cè)）[C];2005年

3 丁東洋;劉希陽(yáng);;風(fēng)險(xiǎn)分析中的穩(wěn)健貝葉斯方法[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

4 周桃庚;沙定國(guó);;貝葉斯可靠性序貫驗(yàn)證試驗(yàn)方法[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（下）[C];2001年

5 陳曉懷;程真英;劉春山;;動(dòng)態(tài)測(cè)量誤差的貝葉斯建模預(yù)報(bào)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 杜鵬英;羅小平;何志明;;貝葉斯網(wǎng)絡(luò)的發(fā)展及理論應(yīng)用[A];第三屆全國(guó)虛擬儀器大會(huì)論文集[C];2008年

7 楊麗;武海濱;李康;;無(wú)金標(biāo)準(zhǔn)診斷試驗(yàn)評(píng)價(jià)的貝葉斯方法及應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

8 寧鵬達(dá);;貝葉斯方法在風(fēng)險(xiǎn)投資項(xiàng)目決策中的應(yīng)用[A];第四屆中國(guó)科學(xué)學(xué)與科技政策研究會(huì)學(xué)術(shù)年會(huì)論文集（Ⅰ）[C];2008年

9 朱永生;;貝葉斯方法確定泊松變量的置信上限[A];中國(guó)物理學(xué)會(huì)高能物理分會(huì)第七屆學(xué)術(shù)年會(huì)實(shí)驗(yàn)分會(huì)場(chǎng)論文集[C];2006年

10 王增忠;柳玉杰;施建剛;;建筑工程項(xiàng)目全壽命安全管理決策的貝葉斯方法[A];中國(guó)優(yōu)選法統(tǒng)籌法與經(jīng)濟(jì)數(shù)學(xué)研究會(huì)第七屆全國(guó)會(huì)員代表大會(huì)暨第七屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 闞英男;基于網(wǎng)格近似法的數(shù)控機(jī)床貝葉斯可靠性評(píng)估研究[D];吉林大學(xué);2015年

2 翟勝;基于貝葉斯網(wǎng)絡(luò)的復(fù)雜系統(tǒng)可靠分析方法研究與應(yīng)用[D];天津工業(yè)大學(xué);2016年

3 劉瑞;基于貝葉斯網(wǎng)絡(luò)的洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估與建模研究[D];華東師范大學(xué);2016年

4 賈海洋;貝葉斯網(wǎng)學(xué)習(xí)若干問(wèn)題研究[D];吉林大學(xué);2008年

5 黃友平;貝葉斯網(wǎng)絡(luò)研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2005年

6 朱允剛;貝葉斯網(wǎng)學(xué)習(xí)中若干問(wèn)題研究及其在信息融合中的應(yīng)用[D];吉林大學(xué);2012年

7 董立巖;貝葉斯網(wǎng)絡(luò)應(yīng)用基礎(chǔ)研究[D];吉林大學(xué);2007年

8 李小琳;面向智能數(shù)據(jù)處理的貝葉斯網(wǎng)絡(luò)研究與應(yīng)用[D];吉林大學(xué);2005年

9 江敏;貝葉斯優(yōu)化算法的若干問(wèn)題研究及應(yīng)用[D];上海大學(xué);2012年

10 胡笑旋;貝葉斯網(wǎng)建模技術(shù)及其在決策中的應(yīng)用[D];合肥工業(yè)大學(xué);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張路路;貝葉斯網(wǎng)絡(luò)系統(tǒng)可靠性分析及故障診斷方法研究[D];山東建筑大學(xué);2015年

2 徐冰;基于貝葉斯網(wǎng)絡(luò)的傳染病時(shí)空預(yù)警模型研究[D];長(zhǎng)安大學(xué);2015年

3 李艷強(qiáng);基于不確定理論的酸洗線和鍍鋅線的視情維修策略研究[D];河北工程大學(xué);2015年

4 王蕓;貝葉斯AGARCH模型在我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)度量中的應(yīng)用[D];南京財(cái)經(jīng)大學(xué);2015年

5 侯歡歡;基于貝葉斯網(wǎng)絡(luò)城市埋地燃?xì)夤芫�風(fēng)險(xiǎn)評(píng)價(jià)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

6 王宇;貝葉斯參數(shù)更新在可靠性分析中的應(yīng)用[D];南京航空航天大學(xué);2014年

7 李福偉;貝葉斯壓縮感知理論與技術(shù)[D];電子科技大學(xué);2015年

8 李景囡;基于依賴分析的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2014年

9 楊祥睿;基于貝葉斯網(wǎng)絡(luò)的船撞橋風(fēng)險(xiǎn)評(píng)估研究[D];重慶交通大學(xué);2015年

10 湯玉利;貝葉斯反問(wèn)題的MAP估計(jì)及其一致性[D];上海交通大學(xué);2015年

  本文關(guān)鍵詞：基于行為變化的恐怖預(yù)測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：279009