【摘要】：經(jīng)濟(jì)全球化的發(fā)展,使恐怖襲擊活動(dòng)也呈現(xiàn)出全球化的蔓延態(tài)勢(shì),這不僅破壞了國(guó)際社會(huì)和平與穩(wěn)定的良好秩序,還嚴(yán)重影響了人類(lèi)生命財(cái)產(chǎn)的安全,打擊恐怖襲擊活動(dòng)已然成為一項(xiàng)刻不容緩的任務(wù)。如何能研究出恐怖襲擊事件的本質(zhì)特征和演變規(guī)律,以及偵破一系列未知兇手的恐怖襲擊事件成為越來(lái)越多國(guó)家關(guān)注的重點(diǎn)。為了研究大量恐怖襲擊活動(dòng)信息背后潛在的規(guī)律,越來(lái)越多的情報(bào)分析部門(mén)和反恐執(zhí)法人員研究將恐怖襲擊活動(dòng)相關(guān)的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù),然后借助數(shù)據(jù)挖掘技術(shù)從海量的恐怖襲擊數(shù)據(jù)中提取有價(jià)值的信息,給有關(guān)反恐部門(mén)的決策提供情報(bào)支持。為了找出未知作案兇手的恐襲案件的潛在作案團(tuán)伙,協(xié)助反恐情報(bào)分析人員偵破案件,本文采用全球恐怖主義數(shù)據(jù)庫(kù)(Global Terrorism Database,GTD)。針對(duì)恐怖襲擊事件的原始數(shù)據(jù)集,通過(guò)數(shù)據(jù)預(yù)處理后,采用“哈希關(guān)鍵信息提取法”對(duì)恐怖襲擊數(shù)據(jù)進(jìn)行降維分析,選擇更能反映恐怖主義襲擊事件真實(shí)分布和本質(zhì)特點(diǎn)的特征子集,極大地降低了數(shù)據(jù)的維度,使得從原數(shù)據(jù)集的133維降到32維,并用“0”或“1”表示各個(gè)屬性的值,“0”代表該屬性對(duì)恐怖襲擊的影響小,“1”代表該屬性對(duì)恐怖襲擊的影響大。本文采用“哈希關(guān)鍵信息提取法”不僅極大地減少了待分析的數(shù)據(jù),提高了訓(xùn)練及檢測(cè)速度,也有效地降低了噪聲數(shù)據(jù),使其更有效地反映相關(guān)數(shù)據(jù)的特征性質(zhì)。經(jīng)K-Means、BIRCH和GMM三個(gè)聚類(lèi)算法的實(shí)驗(yàn)檢驗(yàn),證明了“哈希關(guān)鍵信息提取法”的有效性;進(jìn)而,基于選擇的特征子集,本文提出基于深度自編碼表征的改進(jìn)聚類(lèi)算法,先將稀疏和欠規(guī)范的原始數(shù)據(jù)映射為類(lèi)內(nèi)緊湊平滑的數(shù)據(jù),再進(jìn)行聚類(lèi)分析。經(jīng)三個(gè)經(jīng)典聚類(lèi)算法的實(shí)驗(yàn)驗(yàn)證,改進(jìn)后的基于深度自編碼表征的聚類(lèi)算法相對(duì)于傳統(tǒng)的聚類(lèi)算法,在聚類(lèi)的準(zhǔn)確率、輪廓系數(shù)、Calinski-Harabasz等指標(biāo)都有提升;最后,在對(duì)數(shù)據(jù)聚類(lèi)基礎(chǔ)上,本文研究采用半監(jiān)督學(xué)習(xí)方法,將無(wú)標(biāo)簽的恐怖襲擊數(shù)據(jù)按概率形式進(jìn)行標(biāo)簽化,探討將無(wú)標(biāo)簽的恐怖襲擊事件與已標(biāo)記的恐怖襲擊事件作案團(tuán)伙的合并。進(jìn)而為有關(guān)反恐部門(mén)的行動(dòng)部署提供決策支持,為將類(lèi)似案件并案?jìng)善?提高破案效率提供數(shù)據(jù)支持。本文提出的哈希特征提取和深度自編碼表征方法,具有一定的通用性和擴(kuò)展性,可以為其它研究領(lǐng)域的數(shù)據(jù)特征提取提供參考與借鑒。提出的聚類(lèi)框架同樣可以推廣到其它研究領(lǐng)域。
【圖文】：

圖 2-1 基本編碼器示意圖Figure 2-1 Basic encoder schematic table編碼器由編碼器和解碼器構(gòu)成，編碼將編碼器學(xué)習(xí)到的特征恢復(fù)為初始輸和輸出向量之間的誤差函數(shù)，網(wǎng)絡(luò)最自編碼器的輸出數(shù)據(jù)和輸入數(shù)據(jù)完成，通常我們需要向自編碼器強(qiáng)加一些這樣自編碼器往往可以學(xué)習(xí)到數(shù)據(jù)的到以下幾種改進(jìn)的自編碼器：器（Undercomplete Autoencoder）：如

第二章 相關(guān)理論基礎(chǔ)僅可以防止出現(xiàn)過(guò)擬合現(xiàn)象，而且還可以捕捉到數(shù)據(jù)分布中最顯著的間隱藏層的單元數(shù)目不能太少，因?yàn)檫@會(huì)限制信息的表達(dá)，，會(huì)使數(shù)據(jù)得十分困難。如果欠完備自編碼器每?jī)蓪又g的變換均為線性變換，為均方差函數(shù)，此時(shí)欠完備自編碼器的網(wǎng)絡(luò)等同于主成分分析(Prient Analysis，PCA)，它會(huì)學(xué)習(xí)出與 PCA 相同的生成子空間。然而，欠的編碼函數(shù)和解碼函數(shù)可以是非線性函數(shù)，因此可以說(shuō)是 PCA 的非可以學(xué)習(xí)出比 PCA 更強(qiáng)大的知識(shí)。如圖 2-3 所示，這是二維空間中自A 算法同時(shí)作用于二維點(diǎn)上做映射的結(jié)果，從圖中的結(jié)果可以看出，自好地發(fā)現(xiàn)數(shù)據(jù)的真實(shí)分布，因?yàn)樗梢酝ㄟ^(guò)非線性函數(shù)去學(xué)習(xí)數(shù)據(jù)的
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP311.13;D815.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳輝;;淺議車(chē)牌識(shí)別中字符的特征提取方法[J];科技傳播;2009年05期

2 徐德友,胡壽松;利用粗集上近似處理特征提取中的噪聲問(wèn)題[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年S1期

3 佟德純;王永興;;一種新的齒輪狀態(tài)的分類(lèi)識(shí)別方法—CEP-AR特征提取與分類(lèi)[J];振動(dòng)與沖擊;1988年03期

4 羅斌;黃端旭;;皮膚癌表面圖象特征提取[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);1989年03期

5 王仁華;宋原章;;漢語(yǔ)孤立音節(jié)的分段研究[J];信號(hào)處理;1989年02期

6 史廣;楊艷;;沙化土地地理信息多維結(jié)構(gòu)特征提取仿真[J];計(jì)算機(jī)仿真;2019年11期

7 楊小軍;;圖片特征提取[J];中小企業(yè)管理與科技(中旬刊);2017年03期

8 武弘;;六種常用的網(wǎng)絡(luò)流量特征提取工具[J];計(jì)算機(jī)與網(wǎng)絡(luò);2017年06期

9 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡(luò)的特征提取方法及其在語(yǔ)種識(shí)別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年03期

10 唐朝霞;;一種基于特征提取的簡(jiǎn)答題閱卷算法[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

相關(guān)會(huì)議論文 前10條

1 王紀(jì)凱;王鵬;張啟彬;陳宗海;;激光數(shù)據(jù)特征提取與學(xué)習(xí)方法[A];第17屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集（17th CCSSTA 2016）[C];2016年

2 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

3 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專(zhuān)刊[C];2008年

4 路文煥;曲悅欣;楊亞龍;王建榮;黨建武;;用于無(wú)聲語(yǔ)音接口的超聲圖像的混合特征提取[A];第十三屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議(NCMMSC2015)論文集[C];2015年

5 徐繼偉;李建中;柳勃;楊昆;;使用支持向量機(jī)和改進(jìn)特征提取方法的蛋白質(zhì)分類(lèi)[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

6 劉德剛;邵國(guó)凡;;高維遙感數(shù)據(jù)分析的特征提取方法[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

7 姜成柱;劉志成;何其芳;卞榮;席聞;;基于信號(hào)分解與稀疏恢復(fù)的空間群目標(biāo)微動(dòng)特征提取[A];第八屆中國(guó)航空學(xué)會(huì)青年科技論壇論文集[C];2018年

8 許強(qiáng);楊佳;;基于線性加權(quán)的免疫克隆算法的手指靜脈特征提取[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)B卷[C];2011年

9 高學(xué);金連文;尹俊勛;;基于筆劃密度的彈性網(wǎng)格特征提取方法[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

10 徐萍;武其松;羅昕煒;陶俊;;基于畸變拖曳陣的高保真特征提取方法[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2019年學(xué)術(shù)會(huì)議論文集[C];2019年

相關(guān)重要報(bào)紙文章 前3條

1 宇航智控;預(yù)測(cè)與健康管理(PHM)技術(shù)[N];中國(guó)航空?qǐng)?bào);2018年

2 記者 賈玎玎;北京紡控主營(yíng)業(yè)務(wù)收入增長(zhǎng)11.39%[N];首都建設(shè)報(bào);2015年

3 中國(guó)信息通信研究院泰爾終端實(shí)驗(yàn)室 曾晨曦 段虎才;深度學(xué)習(xí)框架的前世今生[N];人民郵電;2018年

相關(guān)博士學(xué)位論文 前10條

1 王曉輝;汽車(chē)模具表面缺陷特征提取關(guān)鍵技術(shù)研究[D];南昌大學(xué);2019年

2 蘇雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率圖像場(chǎng)景分類(lèi)的特征提取與選擇研究[D];哈爾濱工業(yè)大學(xué);2018年

3 宋洪超;基于微波的乳腺癌檢測(cè)算法研究[D];北京郵電大學(xué);2018年

4 溫柳英;多模態(tài)數(shù)據(jù)特征提取的粒計(jì)算方法研究與應(yīng)用[D];西南石油大學(xué);2017年

5 李文娟;基于局部特征提取的人臉識(shí)別方法研究[D];天津大學(xué);2017年

6 王振宇;面向人臉識(shí)別的特征提取技術(shù)應(yīng)用研究[D];東南大學(xué);2016年

7 馬麗紅;復(fù)雜背景下人臉的定位和特征提取[D];華南理工大學(xué);1999年

8 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學(xué);2006年

9 張紹武;基于支持向量機(jī)的蛋白質(zhì)分類(lèi)研究[D];西北工業(yè)大學(xué);2004年

10 李建生;圖像元數(shù)據(jù)特征提取及其在檢索中的應(yīng)用[D];南京師范大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孫月如;面向人臉圖片的特征提取與分類(lèi)算法研究[D];重慶郵電大學(xué);2019年

2 白冰;噪聲背景下聲音事件的特征提取及識(shí)別[D];湘潭大學(xué);2019年

3 李曉峰;航空遙感光電圖像預(yù)處理與目標(biāo)特征提取技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

4 李凈霖;基于計(jì)算機(jī)視覺(jué)的同步定位與三維建圖方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 劉召婕;基于感興趣區(qū)域的舌象特征提取與病理分析[D];哈爾濱工業(yè)大學(xué);2018年

6 張勝峰;極化特征在真假?gòu)楊^識(shí)別中的應(yīng)用[D];中國(guó)電子科技集團(tuán)公司電子科學(xué)研究院;2019年

7 丁李;湘西方塊苗文圖像的特征提取與識(shí)別研究[D];吉首大學(xué);2019年

8 邱勇輝;網(wǎng)絡(luò)銀行異常交易檢測(cè)技術(shù)與應(yīng)用研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

9 何慶祥;哈希特征提取和深度自編碼表征在反恐中的應(yīng)用[D];廣東工業(yè)大學(xué);2019年

10 諸葛文章;基于圖學(xué)習(xí)的高維數(shù)據(jù)特征提取及聚類(lèi)方法研究[D];國(guó)防科技大學(xué);2017年

本文編號(hào)：2627101