基于長短期記憶模型的入室盜竊犯罪預測研究
發布時間:2025-07-21 19:52
隨著智慧警務建設的興起,利用時空大數據對犯罪事件進行預測成為具有前瞻性的研究。基于2015—2018年WH市110入室盜竊類接警數據,利用循環神經網絡(RNN)改進得到的長短期記憶模型(LSTM),通過學習得到最佳性能對應的迭代次數、回看天數、空間依賴度、失活率等超參數,構建最優的二值化接警數據長短期記憶模型(BD-LSTM*)和頻數統計數據長短期記憶模型(RD-LSTM*),并分別對WH市各區域的案件發生概率以及案件發生數量進行預測。結果表明,兩種犯罪預測模型具有良好的預測精度和穩健性。
【文章頁數】:9 頁
【部分圖文】:
本文編號:4058294
【文章頁數】:9 頁
【部分圖文】:
圖7 犯罪預測研究關鍵詞時區圖
對關鍵詞進行時區分析,其結果如圖7所示。從中可以清晰地看到每個關鍵詞在2010-2020年首次出現的年份。根據可視化圖譜,可將國內的犯罪預測研究分為三個階段。第一階段是2011年之前,出現的關鍵詞主要有“決策分析”“數據挖掘”“灰色系統理論”“時間序列分析”等,這些關鍵詞都與傳統....
本文編號:4058294
本文鏈接:http://www.malleg.cn/falvlunwen/xingfalunwen/4058294.html
上一篇:網絡型尋釁滋事司法認定問題研究 ——以“常某某尋釁滋事案”為例
下一篇:沒有了
下一篇:沒有了

