基于和声搜索算法优化支持向量机的突发暴恐事件分级研究
突发暴恐事件分级具有重要作用,能够保证预案合理执行和应急资源优化配置.提出基于和声搜索算法优化的支持向量机的分级模型,用于突发暴恐事件分级研究.和声搜索算法优化支持向量机参数,支持向量机提供学习和曲线拟合,同时根据准确度、精确度和敏感度指标评估混战智能分类模型的绩效.利用全球反恐数据库中2008年至2013年我国暴恐事件数据进行测试,并与支持向量机、分类与回归决策树(CART)和C5.0方法进行对比,结果表明分级方法可行且有效,能够为突发暴恐事件管理提供预警和决策支持信息.
突发暴恐事件、分级、和声搜索、支持向量机
28
TP2;TP1
国家自然科学基金项目91224007;辽宁社会科学规划基金项目L15AGL016;公安部公安理论及软科学研究计划2016LLYJXJXY032;辽宁省大学生创新训练计划项目201610175000030
2016-10-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
125-132