基于机器学习的典型侵财类案件发生概率预测分析方法
Journal of People's Public Security University of China(Science and Technology)（2020）
摘要
以抢劫、抢夺和盗窃3种典型侵财类案件为例,利用ZS市2005年2月1日～2015年7月31日的实际侵财类案件以及实际天气数据,选取案件统计信息和天气信息作为特征,使用基于时间滞后的方法和基于实时数据的方法预测典型侵财类案件的发生概率.基于时间滞后的典型侵财类案件发生概率预测分析结果表明:K最近邻模型表现最优,盗窃类案件发生概率预测的R2值达到了0.83,抢劫类案件发生概率预测的R2值达到了0.88,抢夺类案件发生概率的R2值达到了0.8.基于实时数据的典型侵财类案件发生概率预测分析结果表明:抢夺类案件的K最近邻回归模型性能最好,R2值达到0.7.基于上述分析结果,提出基于时间滞后和实时数据的典型侵财类案件发生概率预测分析方法,相关成果可以应用于侵财类犯罪的预防、打击工作中,为治安防控提供决策支持.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要