对恐怖袭击事件记录数据的量化分析与研究

摘要：

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.

关键词：应用统计数学、恐怖袭击事件、数据挖掘、GMM聚类分析

所属期刊栏目：36

分类号：O213(概率论与数理统计)

资助基金：湖南大学研究生参加数学建模竞赛资助项目 531107040945;湖南省教改项目 531111040163

在线出版日期：2019-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：95-103