針對(duì)犯罪分布預(yù)測(cè)準(zhǔn)確率低,歷史犯罪數(shù)據(jù)缺失嚴(yán)重的問(wèn)題,提出了基于歷史犯罪數(shù)據(jù),融合所研究地區(qū)的社會(huì)環(huán)境因素的轉(zhuǎn)移概率矩陣自學(xué)習(xí)的犯罪分布預(yù)測(cè)算法——TWcS.將包括距離信息、面積信息、人口信息在內(nèi)的社會(huì)環(huán)境因素作為權(quán)重值引入到梯度下降策略中,利用梯度下降實(shí)現(xiàn)TWcS算法的轉(zhuǎn)移概率矩陣自學(xué)習(xí).實(shí)驗(yàn)結(jié)果證明,TWcS算法的性能明顯優(yōu)于包括當(dāng)前最優(yōu)基線算法(TPML-WMA)在內(nèi)的其他預(yù)測(cè)算法(如LR、AR、Lasso回歸算法、貝葉斯算法、決策樹(shù)算法等),TWcS算法的MAE值是其他算法MAE平均值的33%.

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 融合社會(huì)環(huán)境因素的犯罪分布預(yù)測(cè)算法TWcS
    1.1 社會(huì)環(huán)境因素建模
    1.2 TWcS算法
    1.3 評(píng)價(jià)標(biāo)準(zhǔn)
2 實(shí)驗(yàn)及結(jié)果分析
    2.1 數(shù)據(jù)集
    2.2 初始值選擇對(duì)實(shí)驗(yàn)結(jié)果的影響
    2.3 權(quán)重系數(shù)設(shè)置對(duì)實(shí)驗(yàn)結(jié)果的影響
    2.4 TWcS算法與TPML-WMA/線性回歸/自回歸算法的對(duì)比
    2.5 TWcS算法與Lasso回歸/貝葉斯/決策樹(shù)算法的對(duì)比
    2.6 在評(píng)價(jià)標(biāo)準(zhǔn)MAE下對(duì)比各算法的性能
3 結(jié) 論



本文編號(hào)：3821193