基于FP-Growth算法的运毒嫌疑车辆智能推荐研究

毒品运输是毒品犯罪的重要环节,虽然毒品运输的手段越来越多样化,但公路运输仍然是主要的运输方式之一,而运毒人员有着各自经典的运毒模式。文中对运毒模式进行特征挖掘,发现存在前后车伴随的规律,根据实际业务中前后车行为以半小时为时间间隔导向,建模时选择PostgreSQL数据库。在数据库中建立过往车辆前半小时中间表、后半小时中间表、中间跨度表,运用人工智能数据挖掘技术实现从大量的通行车辆中抽取车辆伴随信息,采用FP-Growth算法挖掘频繁项集,查找高频出现车牌号,通过设定阈值并找到对应的关联规则,经过缉毒民警提供的黑名单进行过滤并排序,最后进行车辆嫌疑度的推荐,为民警拦截嫌疑车辆提供支持,能够在一定程度上提高对嫌疑车辆排查的针对性、准确性和有效性。

基于Adaboost与卷积神经网络的人脸定位研究

为了解决Adaboost算法在提高人脸定位速度与定位准确率中的问题,提出一种Adaboost与CNN(Convolutional Neural Networks,卷积神经网络)相结合的人脸定位方法。首先通过CNN算法进行人脸训练;然后利用高斯混合模型建立背景;通过背景差获得运动目标,在运动目标区域运用Adaboost进行人脸粗定位;最后通过CNN算法再次人脸细定位。实验结果表明,该方法在人脸定位速度与定位准确率方面优于Adaboost算法。

一种新型组合赋权法在贵州省社会发展水平评价中的应用研究

为了构建科学的区域社会发展水平指标体系及评价方法,提出基于PCA-GRNN神经网络指标筛选方法、敏感权赋权法和熵权融合的权重确定法。采用P=W*R综合评价模型,对贵州省18年的数据进行定量评价和分析,并与综合指数法及TOPSIS法进行比较,实验表明本文的方法是有效和精确的.

基于大数据背景下的吸毒人员动态管控智慧建设

面对吸毒人员流动性大、吸毒方式隐蔽性强,排查发现难,管控、帮教难,复吸率居高不下的现实困难,对吸毒人员动态管控建设进行思考,采用大数据技术,融合多源异构数据,并进行关联性分析,合理推断吸毒人员检测数据的真实性,对其进行威胁系数评分,提高发现率。建立一套综合高效的管控平台,集实时数据、定位管控、定时检查、帮扶走访、统计分析于一体,实现在册吸毒人员数据本地化,服务管理智能化,建立吸毒人员服务管理工作信息化、法治化、专业化和社会化的服务体系,解决底数不清、情况不明、管理到位难、效果实现难等问题,实现有效管理、动态监控。

党建铸魂

2016年10月17日,沈阳超大型综合性建筑体盛京金融广场项目中高度超过200米的住宅楼项目,提前半年完成封顶节点。项目建设的高质量高速度,为业内同行瞩目,而在这个项目的施工方——中国建筑第二工程局有限公司东北分公司（以下简称＂中建二局东北分公司＂）的全部48个在建施工项目、