多尺度视角特征动态融合的盗窃犯罪预测模型
针对盗窃犯罪时空预测特征融合不精、时序动态适应性不足问题,提出自注意力和多尺度多视角特征动态融合的预测模型.首先,以盗窃发案的位置信息为基础,将数据投射到地图栅格内,通过构建一种可将不同时序长度案件数据匹配为自适应长度数据的方法,并组合向量映射后的天气、作案时间、地理位置等属性,构造多维度特征融合的输入向量;其次,采用自注意力机制生成多视角特征动态融合的向量;最后,通过采用多尺度窗口 CNN对多视角特征动态融合向量进行编码后送入分类器,预测出每个地图栅格内的发案态势.在某市盗窃数据集上验证,本文方法在3种地理栅格尺度下,预测准确率最高可达到0.899,显著优于其他对比模型.
犯罪预测、自注意力机制、多尺度特征融合、卷积神经网络、动态自适应、分类器、时序预测、分布式表征
17
TP391(计算技术、计算机技术)
国家社会科学基金;中国传媒大学中央高校基本科研业务费专项资金项目
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
1104-1112