-
题名融合历史犯罪数据的疑犯社会活动位置预测
被引量:3
- 1
-
-
作者
段炼
党兰学
胡涛
朱欣焰
叶信岳
-
机构
广西师范学院地理科学与规划学院
广西师范学院北部湾环境演变与资源利用教育部重点实验室
河南大学环境与规划学院
武汉大学测绘遥感信息工程国家重点实验室
肯特州立大学地理学院
-
出处
《地球信息科学学报》
CSCD
北大核心
2018年第7期929-938,共10页
-
基金
国家自然科学基金项目(41401524)
广西自然科学基金项目(2015GXNSFBA139191)
+3 种基金
警用地理信息技术公安部重点实验室开放课题(2016LPGIT03)
北部湾环境演变与资源利用教育部重点实验室系统基金(2014BGERLXT14)
广西高校科学技术研究项目(KY2015YB189
KY2016YB281)~~
-
文摘
由于重点跟踪人员(疑犯)的社会活动监控数据可获取性差,难以直接反映疑犯的社会活动时空模式,降低了案情分析和犯罪风险预测的有效性。为此,本文提出了融合犯罪记录的位置预测(Crime Records enhanced Location Prediction,CRe LP)模型,将疑犯犯罪记录信息融入协同过滤算法,预测疑犯在未来对任意位置的访问频度。该方法利用张量(Tensor)表达疑犯在不同时段和位置上的访问频度,基于疑犯的犯罪事件数据构建疑犯时空关联度矩阵,利用该矩阵约束正则化的张量分解(Tensor Decomposition)过程,以解算出张量中的缺失值,进而获得各疑犯的潜在时空分布模式。实验采用包含了241个疑犯、1.9万个位置记录的真实疑犯位置数据集进行了模型测试,结果表明本文方法在均方根误差和top-k最小搜寻距离2个指标上都超过其他Baseline方法32%~63%和14%~26%,大幅提高了位置时空预测的有效性和健壮性。
-
关键词
时空预测
疑犯位置预测
矩阵分解
张量分解
协同过滤
-
Keywords
location prediction
suspect spatiotemporal prediction
matrix decomposition
tensor decomposition
collaborative filtering
-
分类号
D917
[政治法律—法学]
P208
[天文地球—地图制图学与地理信息工程]
-