隨著全球恐怖主義事件的頻繁發(fā)生,安全領(lǐng)域逐漸受到各國重視,雖然各國對恐怖分子進(jìn)行了打擊,但全球的恐怖活動依舊有增無減。因此,如何用數(shù)據(jù)挖掘方法以最小的代價進(jìn)行反恐信息挖掘變得愈加重要。本文對GTD中1998-2017年恐襲數(shù)據(jù),主要從三個方面對數(shù)據(jù)進(jìn)行研究:可視化下的全球恐怖主義態(tài)勢;恐怖襲擊事件風(fēng)險評估模型;恐怖襲擊的時空特性。針對恐怖主義態(tài)勢,采用自然語言、蔓延指數(shù)等方法對GTD數(shù)據(jù)庫數(shù)據(jù)進(jìn)行挖掘研究。結(jié)果顯示,恐怖組織比較青睞于采取爆炸類手段使用炸彈發(fā)動恐怖襲擊,而普通民眾缺乏安全意識和自保能力,成為襲擊的首選目標(biāo);極端宗教主義依舊是當(dāng)代恐怖主義威脅的主要來源,并且自基地組織滅亡后ISIL成為新的代表性恐怖組織;恐怖襲擊的動機(jī)主要來源于資源的爭奪、宗教和民族差異,黨政利益之爭等;從恐怖活動的空間蔓延指數(shù)來看,2017年度恐怖襲擊事件有往南美、東亞和大洋洲蔓延趨勢,建議該地區(qū)的政府部門加強(qiáng)安保工作,采取有效措施將恐怖活動扼殺在搖籃中。提出基于PCA與K-means聚類分析的恐襲量化風(fēng)險評估模型,對恐怖襲擊事件進(jìn)行風(fēng)險等級評估。采用相關(guān)分析和卡方檢驗(yàn)構(gòu)建了20個風(fēng)險評價指標(biāo),通過求解... 

【文章來源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究思路框架

讓數(shù)據(jù)產(chǎn)生更大的價值。方面來說，數(shù)據(jù)挖掘偏重于技術(shù)的實(shí)現(xiàn)，對業(yè)務(wù)知識的熟練度量的數(shù)據(jù)中發(fā)現(xiàn)未知的模式和規(guī)律，是數(shù)據(jù)挖掘的目的所在，項目的落地。握技能方面來說，數(shù)據(jù)挖掘?qū)?shù)學(xué)功底和編程能力有較高的要機(jī)器學(xué)習(xí)、人工智能等方面的基礎(chǔ)，沒有好的數(shù)學(xué)功底，在數(shù)程能力是從數(shù)據(jù)中發(fā)現(xiàn)未知模式和規(guī)律途徑，沒有好的編程技。出的結(jié)果來說，數(shù)據(jù)挖掘更多的是模型的和規(guī)則的輸出，通過的數(shù)據(jù)進(jìn)行預(yù)測，如個人貸款違約預(yù)測模型（預(yù)測模型）、判是否存貨（分類算法）；通過模型或者規(guī)則實(shí)現(xiàn)商業(yè)決策，如薦算法）、劃分保險投資者的族群（聚類算法）。與數(shù)據(jù)分析最常用的挖掘工具有 R 語言、Python、Weka、S中具體的挖掘流程為。

種無監(jiān)督的學(xué)習(xí)方法，為了捕獲指標(biāo)數(shù)據(jù)的原始結(jié)構(gòu)劃分為幾個有意義的群組、類別，也可稱之為族。這間的變異程度最大化，而使得組內(nèi)變異程度最小化。的結(jié)構(gòu)，還可以用來對數(shù)據(jù)進(jìn)行預(yù)處理，為進(jìn)一步的。本文主要運(yùn)用劃分法中的 k-means 聚類。算法無監(jiān)督學(xué)習(xí)方法，還是一種使用最廣泛的最基礎(chǔ)的聚量指標(biāo)，從而發(fā)現(xiàn)數(shù)據(jù)集中的個類，當(dāng)兩個對象的距類法運(yùn)算量小，小到中大規(guī)模樣本數(shù)據(jù)都可以用此種先指定聚類的數(shù)目 k。為：隨機(jī)選擇 k 個樣本點(diǎn)，每個樣本點(diǎn)初始地代表一本點(diǎn)，依據(jù)到族中心的距離，將被劃分到最近的類中。不斷循環(huán)上述過程，當(dāng)樣本均不能夠再分配則停止見圖 2.1。


本文編號：3070784