針對(duì)當(dāng)前犯罪形式多樣化,犯罪信息復(fù)雜的現(xiàn)狀,運(yùn)用決策樹算法建立犯罪預(yù)警模型,實(shí)現(xiàn)對(duì)犯罪數(shù)據(jù)的判定和檢索。在傳統(tǒng)C4.5算法的基礎(chǔ)上,通過(guò)引入泰勒公式和麥克勞林公式來(lái)降低信息增益率計(jì)算過(guò)程量。采用由上往下不斷對(duì)決策樹內(nèi)部節(jié)點(diǎn)屬性值比較得到?jīng)Q策樹結(jié)論,借助決策樹修剪技術(shù)進(jìn)行剪枝修改,提升樣本數(shù)據(jù)分類的準(zhǔn)確度。最后通過(guò)實(shí)例對(duì)模型的運(yùn)算效率和準(zhǔn)確度進(jìn)行驗(yàn)證,研究結(jié)果表明:相較于傳統(tǒng)的C4.5決策樹算法,文中建立的犯罪預(yù)警模型提升執(zhí)行效率的同時(shí)保證了算法的準(zhǔn)確率,獲得了優(yōu)異的預(yù)警結(jié)果。 

【文章來(lái)源】：信息技術(shù). 2020,44(12)

【文章頁(yè)數(shù)】：5 頁(yè)

【圖文】：

算法流程圖

模型生成是犯罪特征決策生長(zhǎng)過(guò)程,以犯罪特征數(shù)據(jù)集根節(jié)點(diǎn)作為開始節(jié)點(diǎn),通過(guò)多次測(cè)試犯罪特征屬性,根據(jù)遞歸方式對(duì)數(shù)據(jù)分割,直到子集“純度”滿足預(yù)期[19]。當(dāng)某個(gè)樹分支上存在較強(qiáng)純度樣本時(shí),此時(shí)停止對(duì)該分支劃分,直到所有犯罪特征樣本集合“純度”滿足要求,犯罪特征決策樹生長(zhǎng)結(jié)束,圖2所示為決策樹生成過(guò)程。2.2 預(yù)警模型優(yōu)化

涉案特征規(guī)則


本文編號(hào)：3250201