• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:20 金币  

    重庆时时彩奖纪录: 一种基于多标签组合多分类器的恐怖行为预测方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201611077149.5

    申请日:

    2016.11.30

    公开号:

    CN106776884A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06F 17/30申请日:20161130|||公开
    IPC分类号: G06F17/30; G06K9/62 主分类号: G06F17/30
    申请人: 江苏大学
    发明人: 夏欢欢; 薛安荣; 曹静
    地址: 212013 江苏省镇江市京口区学府路301号
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611077149.5

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种基于多标签组合多分类器的恐怖行为预测方法,以多标签决策树和随机游走模型为基分类器,将背景属性信息映射到不同的恐怖行为类别,训练预测模型;利用基分类器预测新数据属于各个恐怖类别的概率;最后将基分类器的输出结果采用加权组合概率函数进行融合,选择预测概率大于阈值的恐怖行为集合作为新数据的预测结果。本发明充分考虑恐怖行为背景数据存在的潜在联系以及单分类器预测精度低的问题,针对恐怖行为背景数据中存在大量不相关与冗余数据,基于邻域粗糙集进行特征选择;考虑同一时刻可能发生多种恐怖行为,并且背景属性、恐怖行为之间可能存在潜在联系,采用单一分类器无法准确地描述这些信息,本发明方法能提高预测精度。

    权利要求书

    1.一种基于多标签组合多分类器的恐怖行为预测方法,其特征在于,包括以下步骤:
    步骤1,原始数据的预处理:原始数据由恐怖组织的基本信息、背景知识和行为知识构
    成,提取背景知识和行为知识,构成背景知识与恐怖行为的多标签数据集;
    步骤2,训练多标签决策树和随机游走模型:基于步骤1获得的背景知识与恐怖行为的
    多标签数据集,定义背景属性关联重要度,并根据背景属性关联重要度训练多标签决策树,
    利用标签之间的关联训练随机游走模型;
    步骤3,测试多标签决策树和随机游走模型:使用步骤2获得的多标签决策树和随机游
    走模型预测在每种训练模型下待分类标签样本,获得所有恐怖行为的概率;
    步骤4,组合基分类器预测模型:通过步骤3在多标签决策树分类器中获得每种恐怖行
    为的权值与预测的随机游走分类器对应的标签相乘,生成决策函数,根据决策函数得到最
    终恐怖行为的预测结果。
    2.根据权利要求1所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,所述步骤1中,原始数据的预处理包括以下步骤:
    步骤1.1,提取原始数据中的背景知识和恐怖行为,构成三元组(U,CS,AS),其中U={X1,
    X2,...Xt}代表样本集,CS={C1,C2,...,Cn}表示背景数据中的背景属性,AS={A1,A2,...,
    Am}表示背景数据中涉及的恐怖行为;其中t代表样本的个数,n代表属性的个数,m代表标签
    的个数;
    步骤1.2,采用基于邻域粗糙集的特征选择方法去除数据集中大量的冗余与无关背景
    知识;其中,多标签属性依赖度定义为:其中B代表背景属性子集,选
    择条件属性Ci∈CS-B的重要度的属性作
    为背景属性,获得最终的数据集(U,CS,AS)。
    3.根据权利要求1所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,所述步骤2中,建立多标签决策树和随机游走模型包括以下步骤:
    步骤2.1,采用自顶向下的贪婪搜索方法训练多标签决策树,具体步骤如下:
    步骤2.1.1,选择背景属性关联重要度作为属性选择度量:选择当前属性关联重要度最
    大的属性作为分类属性,反复迭代形成最终的多标签决策树模型;
    步骤2.1.2,计算训练集中每个标签的概率作为标签预测的权重增加因子。
    步骤2.2,训练随机游走模型,具体步骤如下:
    步骤2.2.1,将背景数据集映射为多标签随机游走图G:将每个训练样本映射为游走图
    中的一个点Xi,如果两个训练数据Xi、Xj具有相同的标签,则将这两个训练数据对应的顶点
    Xi、Xj相连,形成随机游走图G=(V,E);其中V={Xi|Xi∈U,1≤i≤t},E={(Xi,Xj)|Xi,Xj∈V,
    Yi∩Yj≠Φ,i≠j},Yi,Yj是Xi,Xj的真实标签集,Φ表示空集;
    步骤2.2.2,计算随机游走图G上的权重矩阵并归一化处理转化成邻接矩阵;其中,权重
    矩阵中边的权值
    4.根据权利要求1所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,所述步骤3中测试多标签决策树和随机游走模型,包括以下步骤:
    步骤3.1,多标签决策树中预测标签的权重因子:在多标签决策树预测实例的过程中将
    所有的标签设置相同的基础权重因子其中从树的
    根节点开始,根据测试属性选择分支,到达叶节点,得到标签预测结果R=(r1,r2,...,rm),
    其中,ri为0或1,0表示标签不被命中,1表示命中;根据R生成m×m矩阵R’,使R’ii=ri,ri∈R,
    其他元素为0;然后,统计每种标签在训练数据集中出现的频次fi,构造矩阵F=(f1,f2,...,
    fm);最后,计算每个标签的权重增加因子Δw=R’FT/t,修改权重因子wA=wA+Δw;
    步骤3.2,使用随机游走模型预测实例的标签概率,包括以下步骤:
    步骤3.2.1,构建多标签随机游走图系列:输入测试实例X,将X记作U,随机游走过程以U
    为起点构成多标签随机游走图系列,该多标签随机游走图系列T={Gk|k=1,2,...,m},Gk=
    (Vk,Ek),Vk=V∪{X},Ek=E∪{(X,Xi)|Ak∈Yi,1≤i≤m};
    步骤3.2.2,设置初始概率分布向量s0、跳转发生概率α、发生跳转时跳转到图中每个顶
    点的概率分布向量d;
    步骤3.2.3,随机游走过程中,输入步骤3.2.2各参数,迭代更新输出概率分布向量s,直
    到s收敛;其中s计算公式如下:s=(1-α)pTs0+αd,0<α<1,p表示邻接矩阵;
    步骤3.2.4,运用条件概率模型获得恐怖行为标签概率分布结果:待分类样本X具有标
    签Ak的概率计算公式为:其中,λk表示第k个随机
    游走图,先验概率p(X<Ak)使用U点和具有标签Ak的数据对应顶点的平均距离计算,最终将概
    率进行归一化处理获得各恐怖行为概率
    5.根据权利要求1所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,所述步骤4中的具体实现方法如下:
    将多标签决策树中的权重因子wA中每个权值与随机游走模型对应的标签概率pA加权组
    合p=wApA,并将该概率归一化处理获得最终的预测恐怖行为标签的概率;设置概率选择阈
    值k,概率大于该阈值的恐怖行为作为该测试实例的预测恐怖行为集。
    6.根据权利要求3所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,步骤2.1.1中所述的背景属性关联重要度的计算表达式为:
    <mrow> <msub> <mi>sig</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>C</mi> <mi>i</mi> </msub> <mo>,</mo> <mi>B</mi> <mo>,</mo> <mi>A</mi> <mi>S</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munder> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>&NotEqual;</mo> <mi>j</mi> </mrow> </munder> <mo>&lsqb;</mo> <msub> <mi>sig</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mo>{</mo> <msub> <mi>C</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>C</mi> <mi>j</mi> </msub> <mo>}</mo> <mo>,</mo> <mi>B</mi> <mo>,</mo> <mi>A</mi> <mi>S</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>sig</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>C</mi> <mi>j</mi> </msub> <mo>,</mo> <mi>B</mi> <mo>,</mo> <mi>A</mi> <mi>S</mi> <mo>)</mo> </mrow> <mo>.</mo> </mrow>
    7.根据权利要求4所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,所述步骤3.2.2中初始概率分布向量s0的计算方法为:首先计算s'0,s'0是一个m维向
    量,它的第i个元素为然后对该s'0进行归一化处理得到s0;
    所述发生跳转时跳转到图中每个顶点的概率分布向量d的计算方法为:设从某个顶点
    出发跳转到图中任意一个顶点的概率是相等的,得到随机跳转到每个顶点的概率分布向量

    8.根据权利要求4所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,所述α设置为0.15。
    9.根据权利要求5所述的一种基于多标签组合多分类器的恐怖行为预测方法,其特征
    在于,所述阈值k的选取方法为:根据两个分类器预测结果的取值范围,选择每个分类器预
    测概率大于0.5的组合函数的最小值,并对该值进行归一化处理获得阈值k。

    关 键 词:
    一种 基于 标签 组合 分类 恐怖 行为 预测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论,赶快抢占沙发吧。

    关于本文
    本文标题:一种基于多标签组合多分类器的恐怖行为预测方法.pdf
    链接地址://www.4mum.com.cn/p-6021071.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 现在网上卖什么最赚钱 幸运飞艇不怕连挂的倍投七码 五连肖中奖规律 七乐彩走势图近30期 新时时和老时时的区别 北京pk赛车计划稳赚 pk10冠军技巧5码公式 6码复式三中二多少组 pk10冠军三期必中方法 山东十一选5走势图 北京pk拾开奖现场直播 赛车6码4码对刷 彩神幸运飞艇平刷 聚宝盆计划软件手机版app 双色球开奖结果 网易买老时时行吗