对恐怖袭击事件记录数据的量化分析与研究

恐怖主义是人类的共同威胁,利用数据挖掘可以为反恐防恐提供有价值的信息支持.基于数据挖掘的思路,从恐怖袭击事件中提取能描述危险程度的特征属性,构建量化分级模型,并考虑准确率评价指标进行优化.通过组内平方和法分析改进高斯混合模型(GMM),对恐怖组织进行聚类分析,侦查出潜在最相关的嫌疑人.建立相关模型结合统计分析,得到恐怖袭击发生的主要原因、时空特性和蔓延特性,并对未来全球反恐态势进行预测,帮助反恐组织提高反恐的精准性和打击能力.

基于电力用户用电行为画像的个性化营销策略

随着当前经济与科技的发展,电力用户用电行为多样化的特点日益突出,为适应市场变化,电力企业需要提供富有针对性的营销策略以提高服务水平。对此,本文提出了一种基于电力用户用电行为画像的个性化营销策略,并通过算例分析证明了该方法的可行性。首先根据用户的用电数据,利用GMM聚类分析算法构建用户用电行为画像;然后根据用户画像的结果重新划分用户的峰、谷、平时间段,并对相应时段的电价做出调整,以此来引导用户合理用电,辅助电网削峰填谷;最后,通过算例分析表明了该方法的可行性。