基于转移概率矩阵自学习的犯罪分布预测

摘要：

针对犯罪分布预测准确率低,历史犯罪数据缺失严重的问题,提出了基于历史犯罪数据,融合所研究地区的社会环境因素的转移概率矩阵自学习的犯罪分布预测算法——TWcS.将包括距离信息、面积信息、人口信息在内的社会环境因素作为权重值引入到梯度下降策略中,利用梯度下降实现 TWcS算法的转移概率矩阵自学习.实验结果证明,TWcS算法的性能明显优于包括当前最优基线算法(TPML-WMA)在内的其他预测算法(如 LR、AR、Lasso回归算法、贝叶斯算法、决策树算法等),TWcS算法的 MAE值是其他算法 MAE平均值的 33 %.

关键词：犯罪分布预测、转移概率矩阵、梯度下降法

所属期刊栏目：40

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目;中国传媒大学中央高校基本科研业务费专项资金资助

在线出版日期：2020-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104