本文選題：恐怖主義　切入點(diǎn)：全球恐怖組織數(shù)據(jù)庫　出處：《北京郵電大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著全球恐怖組織勢力不斷壯大,全世界大部分地區(qū)都籠罩在恐怖主義陰影之下�？植澜M織攻城略地,肆意發(fā)動(dòng)爆炸襲擊,嚴(yán)重影響到人類正常生活與公共安全,其殘暴行徑為全世界所有愛好和平的人士所不齒,反恐斗爭已經(jīng)成為一項(xiàng)艱巨且迫在眉睫的任務(wù)。然而,以數(shù)據(jù)驅(qū)動(dòng)方式對恐怖組織行為進(jìn)行挖掘與預(yù)測的相關(guān)研究相對較少,而且已有的恐怖組織襲擊預(yù)測算法或者預(yù)測準(zhǔn)確率偏低,或者時(shí)間復(fù)雜度過高而不適用。本文立足于全球恐怖組織數(shù)據(jù)庫GTD (馬里蘭大學(xué)研究人員精心收集與編排的記載了從1970年到2014年的歷次恐怖襲擊數(shù)據(jù)庫),主要研究了恐怖組織數(shù)據(jù)庫中缺失行為數(shù)據(jù)問題和恐怖組織行為預(yù)測問題,主要工作分為以下三個(gè)部分:第一,梳理了恐怖組織行為挖掘與預(yù)測的相關(guān)研究。對數(shù)據(jù)挖掘在反恐中的應(yīng)用與基于數(shù)據(jù)挖掘的反恐流程進(jìn)行了概括總結(jié),對現(xiàn)有的恐怖組織行為預(yù)測算法進(jìn)行了詳細(xì)的闡明和算法分析,對本文涉及到的關(guān)聯(lián)規(guī)則算法進(jìn)行了概念介紹,對常用的恐怖襲擊數(shù)據(jù)庫進(jìn)行了簡要介紹。第二,構(gòu)建了對恐怖襲擊數(shù)據(jù)庫中缺失武器數(shù)據(jù)挖掘的混合分類器,且該混合模型以樸素貝葉斯、KNN和ID3為基礎(chǔ)模型。實(shí)驗(yàn)表明,通過互信息特征和隨機(jī)特征進(jìn)行比較,互信息特征在模型準(zhǔn)確率上是隨機(jī)特征的五倍。模型融合也比單模型有更高的預(yù)測準(zhǔn)確率,且對武器信息預(yù)測平均F1值高達(dá)0.645。第三,構(gòu)建了時(shí)序邏輯行為的有權(quán)值規(guī)則挖掘模型并提出LBT_ Weight算法。該模型將恐怖組織行為預(yù)測問題看待為NP問題,以關(guān)聯(lián)規(guī)則算法思想挖掘恐怖組織行為頻繁模式。通過一系列對比實(shí)驗(yàn),得到一個(gè)滑動(dòng)時(shí)間窗口大小為7天、滑動(dòng)步長為1天、以指數(shù)函數(shù)作為衰減函數(shù)、衰減因子α= 0.22的最佳模型。LBT_ Weight算法與現(xiàn)有的Convexk_NN算法對比,其預(yù)測準(zhǔn)確率比Convexk_NN高1.48%。
[Abstract]:With the growing power of the global terrorist organizations, most of the world is under the shadow of terrorism. Terrorist organizations have attacked cities and carried out indiscriminate bombings, which have seriously affected the normal life and public safety of mankind. Its brutality has been disgraced by all peace-loving people around the world, and the fight against terrorism has become a formidable and urgent task. However, there is relatively little research on mining and forecasting the behaviour of terrorist organizations in a data-driven manner. Moreover, the existing algorithms for predicting terrorist attacks or the accuracy of prediction are on the low side. Or the time complexity is too high to apply. This article is based on the global terrorist organization database GTD (University of Maryland researchers carefully collected and compiled the history of the terrorist attacks from 1970 to 2014), the main research. The problem of missing behavior data in the terrorist organization database and the problem of predicting the behavior of terrorist organization are investigated. The main work is divided into the following three parts: first, combing the related research of terrorist organization behavior mining and forecasting, summarized the application of data mining in anti-terrorism and the anti-terrorist process based on data mining. The existing terrorist organization behavior prediction algorithms are explained and analyzed in detail, the association rules algorithm involved in this paper is introduced, and the commonly used terrorist attack database is briefly introduced. A hybrid classifier for missing weapon data mining in terrorist attack database is constructed, and the hybrid model is based on naive Bayesian KNN and ID3. Mutual information features are five times more accurate than random features. Model fusion also has higher prediction accuracy than single model, and the average F1 value of weapon information prediction is 0.645. Third, In this paper, a mining model of temporal logic behavior is constructed and a LBT _ Weight algorithm is proposed, which treats the prediction of terrorist organization behavior as NP problem. The frequent patterns of terrorist organization behavior are mined by association rule algorithm. Through a series of comparative experiments, a sliding time window size of 7 days and a sliding step size of 1 day are obtained, and the exponential function is used as the attenuation function. Compared with the existing Convexk_NN algorithm, the prediction accuracy of the optimal model with attenuation factor 偽 = 0.22. LBT _ Weight is 1.48% higher than that of Convexk_NN.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：D815.5;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鐘彩虹,羅蘇平;財(cái)務(wù)軟件中數(shù)據(jù)庫法律地位的探討[J];廣東行政學(xué)院學(xué)報(bào);2001年04期

2 王麗娜;;數(shù)據(jù)挖掘在電子政務(wù)中的應(yīng)用[J];中共鄭州市委黨校學(xué)報(bào);2006年06期

3 王冰;;軍事情報(bào)Web數(shù)據(jù)挖掘機(jī)制[J];情報(bào)雜志;2007年03期

4 王呈慧;;數(shù)據(jù)挖掘的認(rèn)識及應(yīng)用[J];山西青年管理干部學(xué)院學(xué)報(bào);2007年04期

5 彭強(qiáng);魏森;;論數(shù)據(jù)挖掘?qū)＠鏇_突與衡平[J];電子知識產(chǎn)權(quán);2013年07期

6 ;“數(shù)據(jù)挖掘”[J];當(dāng)代貴州;2014年08期

7 吳航;郭鴻鵬;;數(shù)據(jù)挖掘在緝毒工作中的應(yīng)用[J];神州;2012年05期

8 梅建明;;論反恐?jǐn)?shù)據(jù)挖掘[J];中國人民公安大學(xué)學(xué)報(bào);2007年02期

9 葉明;葉猛;;數(shù)據(jù)挖掘在防范和打擊計(jì)算機(jī)犯罪中的應(yīng)用研究[J];信息網(wǎng)絡(luò)安全;2013年11期

10 劉興華;數(shù)據(jù)挖掘與偵查情報(bào)分析[J];遼寧警專學(xué)報(bào);2002年01期

相關(guān)會(huì)議論文 前10條

1 谷斌;靳艷峰;王磊;;關(guān)聯(lián)規(guī)則算法在郵政報(bào)刊征訂中的應(yīng)用研究[A];第十屆中國科協(xié)年會(huì)信息化與社會(huì)發(fā)展學(xué)術(shù)討論會(huì)分會(huì)場論文集[C];2008年

2 王爽;魏振鋼;;空間關(guān)聯(lián)規(guī)則算法在環(huán)境污染事故應(yīng)急處理系統(tǒng)中的應(yīng)用研究[A];第四屆中國智能計(jì)算大會(huì)論文集[C];2010年

3 譚軍;卜英勇;;一種具有反單調(diào)性的加權(quán)支持度-信任度框架[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

4 高杰;李紹軍;錢鋒;;數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法的研究及應(yīng)用[A];第十七屆全國過路控制會(huì)議論文集[C];2006年

5 王步華;李同;金翼;趙宏雷;;淺談提高負(fù)荷預(yù)測準(zhǔn)確率的方法與措施[A];2007中國電機(jī)工程學(xué)會(huì)電力系統(tǒng)自動(dòng)化專委會(huì)供用電管理自動(dòng)化學(xué)科組（分專委會(huì)）二屆三次會(huì)議論文集[C];2007年

6 章超;李彩虹;李廉;;SPIN在同步時(shí)序邏輯中的應(yīng)用[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

7 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2000年

8 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

9 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計(jì)算機(jī)模擬與信息技術(shù)學(xué)術(shù)會(huì)議論文集[C];2011年

10 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 郭起豪 通訊員 王超 陽揣環(huán);提高預(yù)報(bào)準(zhǔn)確率關(guān)鍵是什么?[N];中國氣象報(bào);2008年

2 記者 嚴(yán)志亮　通訊員 施戰(zhàn)遼;金華電業(yè)局負(fù)荷預(yù)測準(zhǔn)確率連續(xù)十年全省第一[N];金華日報(bào);2011年

3 通訊員 施戰(zhàn)遼　樓玲俊;金華電業(yè)局負(fù)荷預(yù)測準(zhǔn)確率連續(xù)十年浙江第一[N];科技日報(bào);2011年

4 本報(bào)記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報(bào);2002年

5 周蓉蓉;數(shù)據(jù)挖掘需要點(diǎn)想像力[N];計(jì)算機(jī)世界;2004年

6 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

7 程玲　王希波;提高負(fù)荷預(yù)測準(zhǔn)確率[N];國家電網(wǎng)報(bào);2010年

8 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險(xiǎn)業(yè)的新藍(lán)海[N];網(wǎng)絡(luò)世界;2012年

9 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

10 本報(bào)記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點(diǎn)[N];中國電子報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 逄濤;命題投影時(shí)序邏輯符號模型檢測及其應(yīng)用研究[D];西安電子科技大學(xué);2014年

2 劉康玲;基于自適應(yīng)PCA和時(shí)序邏輯的動(dòng)態(tài)系統(tǒng)故障診斷研究[D];浙江大學(xué);2017年

3 劉萬偉;擴(kuò)展時(shí)序邏輯的推理及符號化模型檢驗(yàn)技術(shù)[D];國防科學(xué)技術(shù)大學(xué);2009年

4 于自強(qiáng);海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

5 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

6 彭計(jì)紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學(xué);2015年

7 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

8 鄔文帥;基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評估與應(yīng)用[D];電子科技大學(xué);2015年

9 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2010年

10 何偉全;云南高校學(xué)生意外傷害因素關(guān)聯(lián)規(guī)則挖掘及風(fēng)險(xiǎn)管控體系研究[D];昆明理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王鋰達(dá);恐怖組織行為挖掘與預(yù)測[D];北京郵電大學(xué);2017年

2 李遠(yuǎn)博;基于關(guān)聯(lián)規(guī)則算法的旅游推薦研究[D];陜西師范大學(xué);2015年

3 畢巖;基于Hadoop的并行關(guān)聯(lián)算法的研究[D];南京郵電大學(xué);2015年

4 武霞;Hadoop平臺下基于聚類和關(guān)聯(lián)規(guī)則算法的工程車輛故障預(yù)測研究[D];太原科技大學(xué);2015年

5 張依歡;關(guān)聯(lián)規(guī)則算法在教學(xué)評價(jià)中的應(yīng)用研究[D];吉林大學(xué);2016年

6 李欣弘;基于關(guān)聯(lián)規(guī)則和情感分析的圖書推薦算法研究[D];吉林大學(xué);2016年

7 孫海艦;基于大數(shù)據(jù)的動(dòng)車組維修成本關(guān)鍵技術(shù)的研究[D];北京交通大學(xué);2016年

8 鄧吉君;關(guān)聯(lián)規(guī)則算法在互聯(lián)網(wǎng)教育領(lǐng)域的研究及應(yīng)用[D];湖南師范大學(xué);2016年

9 薛良勇;基于決策樹的操作系統(tǒng)隱通道研究[D];中國礦業(yè)大學(xué);2016年

10 周雯;大數(shù)據(jù)環(huán)境下關(guān)聯(lián)規(guī)則算法的研究[D];西安郵電大學(xué);2016年

，

本文編號：1627672