本文選題：關(guān)聯(lián)分析 + 涉恐情報(bào)　； 參考：《情報(bào)雜志》2017年08期

【摘要】：[目的/意義]在反恐工作中,對涉恐情報(bào)信息進(jìn)行快速有效的分析,實(shí)現(xiàn)對恐怖活動(dòng)的事前預(yù)警是反恐工作的關(guān)鍵。[方法/過程]利用基于先驗(yàn)原理的關(guān)聯(lián)分析方法對涉恐情報(bào)進(jìn)行分析,提取關(guān)聯(lián)的涉恐特征屬性集。通過對數(shù)據(jù)預(yù)處理后的樣本數(shù)據(jù)集進(jìn)行支持度計(jì)數(shù)可以產(chǎn)生頻繁項(xiàng)集,然后利用頻繁項(xiàng)集產(chǎn)生滿足最小置信度的涉恐屬性特征關(guān)聯(lián)規(guī)則。[結(jié)果/結(jié)論]該文的方法可以提高涉恐情報(bào)分析的效率,其中產(chǎn)生頻繁項(xiàng)集的過程較適用于發(fā)現(xiàn)涉恐人員,產(chǎn)生關(guān)聯(lián)規(guī)則的過程更適用于發(fā)現(xiàn)不同類型的暴恐活動(dòng)線索。
[Abstract]:[objective / significance] in anti-terrorism work, it is the key to counterterrorism work to analyze the intelligence information of terrorism quickly and effectively, and to realize the forewarning of terrorist activities in advance. [method / process] correlation analysis method based on priori principle is used to analyze the information of terrorism and extract the feature attribute set of correlation. The frequent itemsets can be generated by counting the support degree of the sample data set after the data preprocessing, and then the association rules of the related attributes can be generated by using the frequent itemsets to satisfy the minimum confidence level. [results / conclusion] the method proposed in this paper can improve the efficiency of intelligence analysis of terrorism. The process of producing frequent itemsets is more suitable for the discovery of persons involved in terrorism, and the process of producing association rules is more suitable for discovering different types of clues of violent terrorist activities.
【作者單位】： 中國人民公安大學(xué)偵查與反恐怖學(xué)院;
【基金】：2017年度教育部人文社會科學(xué)研究青年基金項(xiàng)目“基于數(shù)據(jù)挖掘的涉恐情報(bào)量化分析方法研究”(編號:17YJCZH098) 中國人民公安大學(xué)基本科研業(yè)務(wù)費(fèi)項(xiàng)目“大數(shù)據(jù)環(huán)境下反恐怖情報(bào)的數(shù)據(jù)挖掘分類方法研究”(編號:2015JKF01223) 國家社會科學(xué)基金項(xiàng)目“反恐維穩(wěn)背景下邊疆地區(qū)維穩(wěn)戰(zhàn)略研究”(編號:14BZZ028)的研究成果之一
【分類號】：G353.1;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈磊,裴仁清;多約束下的頻繁項(xiàng)集挖掘[J];計(jì)算機(jī)工程與應(yīng)用;2003年31期

2 肖基毅,鄒臘梅,劉豐;頻繁項(xiàng)集挖掘算法研究[J];情報(bào)雜志;2005年11期

3 蔡進(jìn);薛永生;張東站;;基于分區(qū)分類法快速更新頻繁項(xiàng)集[J];計(jì)算機(jī)工程與應(yīng)用;2007年09期

4 胡學(xué)鋼;徐勇;王德興;張晶;;基于多剪枝格的頻繁項(xiàng)集表示與挖掘[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

5 胡學(xué)鋼;劉衛(wèi);王德興;;基于剪枝概念格模型的頻繁項(xiàng)集表示及挖掘[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年09期

6 欒鸞;李云;盛艷;;多關(guān)系頻繁項(xiàng)集的并行獲取[J];微電子學(xué)與計(jì)算機(jī);2008年10期

7 李彥偉;戴月明;王金鑫;;一種挖掘加權(quán)頻繁項(xiàng)集的改進(jìn)算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年15期

8 陳立潮,張建華,劉玉樹;提高頻繁項(xiàng)集挖掘算法效率的方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2002年10期

9 朱玉全,孫志揮,趙傳申;快速更新頻繁項(xiàng)集[J];計(jì)算機(jī)研究與發(fā)展;2003年01期

10 宋寶莉;張幫華;何炎祥;朱驍峰;;帶有多個(gè)可轉(zhuǎn)化約束的頻繁項(xiàng)集挖掘算法[J];計(jì)算機(jī)科學(xué);2003年12期

相關(guān)會議論文 前10條

1 欒鸞;李云;盛艷;;多關(guān)系頻繁項(xiàng)集的并行獲取[A];2008年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2008年

2 楊曉明;王晨;汪衛(wèi);張守志;施伯樂;;頻繁項(xiàng)集的精簡表達(dá)與還原問題研究[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2004年

3 鄧傳國;;頻繁項(xiàng)集挖掘與學(xué)生素質(zhì)測評應(yīng)用研究[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2007年

4 李彤巖;李興明;;基于分布式關(guān)聯(lián)規(guī)則挖掘的告警相關(guān)性研究[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

5 王洪利;馮玉強(qiáng);;頻繁項(xiàng)集挖掘算法Apriori的改進(jìn)研究[A];全國第九屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)會議論文集[C];2005年

6 陳曉云;李龍杰;馬志新;白伸伸;王磊;;AFP-Miner:一種新高效的頻繁項(xiàng)集挖掘算法[A];2006年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2006年

7 李坤;王永炎;王宏安;;一種基于樂觀裁剪策略的挖掘數(shù)據(jù)流滑動(dòng)窗口上閉合頻繁項(xiàng)集的算法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（二）[C];2008年

8 鄒遠(yuǎn)婭;周皓峰;王晨;汪衛(wèi);施伯樂;;FSC——利用頻繁項(xiàng)集挖掘估算視圖大小[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2004年

9 楊曉雪;衡紅軍;;一種對XML數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘的方法研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2005年

10 謝志軍;陳紅;;EFIM——數(shù)據(jù)流上頻繁項(xiàng)集挖掘的高性能算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2006年

相關(guān)博士學(xué)位論文 前3條

1 溫磊;基于有向項(xiàng)集圖的關(guān)聯(lián)規(guī)則挖掘算法研究與應(yīng)用[D];天津大學(xué);2004年

2 董杰;基于位表的關(guān)聯(lián)規(guī)則挖掘及關(guān)聯(lián)分類研究[D];大連理工大學(xué);2009年

3 賈彩燕;關(guān)聯(lián)規(guī)則挖掘的取樣復(fù)雜性分析[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2004年

相關(guān)碩士學(xué)位論文 前10條

1 王立俊;基于多重最小支持度的氋效用頻繁項(xiàng)集挖掘算法研究[D];廣西大學(xué);2015年

2 陳國俊;基于Hadoop的云存儲系統(tǒng)的研究與應(yīng)用[D];電子科技大學(xué);2014年

3 尹艷紅;基于Apriori算法的增量式關(guān)聯(lián)規(guī)則控制研究[D];大連理工大學(xué);2015年

4 田苗鳳;大數(shù)據(jù)背景下并行動(dòng)態(tài)關(guān)聯(lián)規(guī)則挖掘研究[D];蘭州交通大學(xué);2015年

5 李雪迪;基于本體論的精細(xì)化數(shù)據(jù)分析[D];南京郵電大學(xué);2015年

6 許靜文;基于模糊等價(jià)類的頻繁項(xiàng)集精簡表示算法研究[D];合肥工業(yè)大學(xué);2015年

7 王大偉;大數(shù)據(jù)環(huán)境下的關(guān)聯(lián)規(guī)則提取算法研究[D];遼寧工業(yè)大學(xué);2016年

8 廖友金;基于有向圖的關(guān)聯(lián)規(guī)則挖掘研究與改進(jìn)[D];東南大學(xué);2015年

9 王蘇琦;基于Hadoop的不確定頻繁項(xiàng)集并行挖掘方法研究[D];南京大學(xué);2013年

10 韓宏瑩;并行數(shù)據(jù)挖掘技術(shù)在電信網(wǎng)管告警中的應(yīng)用研究[D];長春工業(yè)大學(xué);2016年

，

本文編號：1934358