購物車(0)
基于機器學習的侵財類案件危害程度分析
盧子涵; 胡嘯峰; 邱凌峰 中國人民公安大學信息技術與網絡安全學院; 北京102623; 安全防范技術與風險評估公安部重點實驗室; 北京102623; 上海云從企業(yè)發(fā)展有限公司中臺產品中心-公共事業(yè)組; 上海200120
關鍵詞：侵財類案件 機器學習 分類預測
摘要：為了進一步分析侵財類案件的危害程度,以搶劫、搶奪和盜竊3種典型侵財類案件為例,利用ZS市2008—2014年的犯罪數據與統(tǒng)計年鑒數據,提取“發(fā)案時間”“發(fā)案地域”“選擇時機”“選擇處所”“選擇對象”“人均地區(qū)生產總值”“職工月平均工資”7個特征,建立基于多種機器學習分類算法的侵財類案件危害程度預測模型,并進一步開展預測結果的分析研究。研究結果表明:梯度提升決策樹(GBDT)算法性能最優(yōu),危害程度預測準確率達到了0.88;在搶劫案和搶奪案中,一般和重大的案件容易發(fā)生在繁華地帶,特大案件容易發(fā)生在其他處所;侵財類案件傾向于在工作日的城區(qū)中發(fā)生,發(fā)生的危害程度大多為一般;提出的侵財類案件危害程度預測模型可為侵財類案件的風險評估及警務資源優(yōu)化配置工作提供方法支持。
中國安全生產科學技術雜志要求:
{1}參考文獻應是在正式出版物上的文獻，附于文末。
{2}來稿要求觀點新穎、內容充實、文字精煉、論據充分、數據可靠、條理清晰、具有一定的創(chuàng)新性。
{3}標點符號及數字的用法一律遵照國家標準。
{4}在正文首頁以腳注形式注明第一作者簡介(包括姓名、性別、出生年、學歷、職稱和主要研究方向)。
{5}摘要內容應包括研究工作目的、方法、結果和結論。摘要應具有獨立性和自含性，即不閱讀全文，就能獲得必要的信息。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
