發(fā)布時間：2017-09-26 22:41

  本文關鍵詞：犯罪量動態(tài)優(yōu)化組合預測方法

  更多相關文章： 犯罪量預測 組合預測模型 支持向量機模型 向量自回歸模型 自回歸求和移動平均模型

【摘要】：單一預測模型在預測犯罪量時難以協(xié)調擬合和泛化關系,從而影響預測結果的準確性。針對以上問題,提出一種數據驅動的可動態(tài)優(yōu)化組合預測方法。以分析自回歸求和移動平均模型、向量自回歸模型及支持向量機模型的優(yōu)點為基礎,使用后驗概率為每個模型賦予權重,結合誤差最小原則動態(tài)調整權重。實驗結果表明,該方法具有較高的預測精度和穩(wěn)定性,能滿足短時犯罪量預測的需要。
【作者單位】： 江蘇大學計算機科學與通信工程學院;
【關鍵詞】： 犯罪量預測 組合預測模型 支持向量機模型 向量自回歸模型 自回歸求和移動平均模型
【基金】：國家自然科學基金資助項目(60773049) 江蘇大學高級人才啟動基金資助項目(09JDG041)
【分類號】：D917
【正文快照】： 1概述犯罪是一個社會問題,對一個地區(qū)的犯罪量實現(xiàn)精確的預測可為預防犯罪發(fā)生提供有意義的決策信息,并協(xié)助實現(xiàn)警力資源的合理部署。如在預測犯罪高峰期增加警力巡邏,或者在預防犯罪非高峰期縮減警力和安排訓練等。目前,對于犯罪的相關研究有:文獻[1]利用社會網絡方法對犯罪

【相似文獻】

中國期刊全文數據庫 前10條

1 李其富;最優(yōu)組合預測方法及其在犯罪預測中的應用[J];四川警官高等�？茖W校學報;1999年01期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

，

本文編號：926168