基于长短记忆型卷积神经网络的犯罪地理位置预测方法

摘要：

[目的]利用犯罪嫌疑人的历史活动轨迹,预测其可能潜藏的地理位置,进而对其进行定位、跟踪、监控或抓捕.[方法]提出基于长短记忆型卷积神经网络的犯罪地理位置预测方法:利用卷积神经网络提取重要犯罪位置特征,挖掘位置数据在空间维度上的局部相关性;基于长短记忆型神经网络学习位置特征在时间维度上的连续性,得到下一个位置的预测.[结果]在真实轨迹数据集GeoLife上进行对比实验,本文方法将犯罪地理位置预测的精确度从0.71提高到0.79.[局限]实验采用GeoLife真实轨迹数据集进行模拟仿真,方法的实用性和有效性需要在公安一线实战中进一步检验.[结论]本文方法可以有效挖掘空间相关性和时间连续性,预测精确度远高于随机预测精确度,可以为公安情报研判提供有效参考.

关键词：犯罪打击、深度学习、神经网络、位置预测

所属期刊栏目：2

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金项目“基于矩阵分解的图像表示方法及其应用研究”61502506;国家自然科学基金项目“基于统一结构场模型的警务视频分析研究”61501467;国家社会科学基金重大项目“当前我国反恐形势及对策研究”项目15ZDA034的研究成果之一

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：15-20