改进的聚类算法在恐怖袭击事件中的应用

摘要：

恐怖袭击严重影响国际社会的稳定和人们生命财产安全,其形式、手段的多样化给反恐分析带来巨大挑战.为了把相似的恐怖袭击事件进行分组归类,并提高反恐分析员侦破案件的效率,本文基于全球恐怖主义数据库,提出了一种深度自编码表征(Deep Auto-Encoder Representation)的改进聚类算法,引入深度自编码器,将稀疏和嘈杂的原始数据映射为类内紧凑平滑的数据,提升聚类效果.实验结果表明,相比于传统的K-means聚类算法,改进后的算法可以提高聚类效果.本方法有利于反恐分析员将相似案件并案分析处理,找到案件的犯罪团伙.

关键词：恐怖袭击、深度自编码表征、聚类

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61402118,61673123,61603100,61702110,61772141;教育部高教司项目教高司函[2017]47号,教高司函[2018]4号;广东省科技计划项目2015B090901016,2016B010108007;广东省教育厅项目粤教高函[2018]179号,粤教高函[2018]1号,粤教高函[2015]133号,粤教高函[2014]97号;广州市科技计划项目201604020145,2016201604030034,201508010067,201604046017,201802030011,201802010042,201802010026

在线出版日期：2019-07-08（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：24-30