基于机器学习的犯罪预测综述

论文摘要

随着犯罪数量不断增加,以及新型犯罪模式不断出现,准确预测未来的犯罪活动越来越重要。所以,基于机器学习的犯罪预测方法对于识别未来犯罪以及减少犯罪数量具有重要的意义。根据犯罪类型的不同,使用的犯罪预测方法也呈现多样化。为此,对国际上不同类型的犯罪预测方法进行了总结和分析,并在此基础上对如何提高犯罪预测的精度进行了讨论,希望对使用机器学习进行犯罪预测的相关工作有一定的参考意义。

论文目录

• 1 犯罪预测方法
•   1.1 机器学习算法简介
•     1.1.1 支持向量机
•     1.1.2 K近邻（K-nearest neighbor,KNN）
•     1.1.3 决策树
•     1.1.4 朴素贝叶斯
•     1.1.5 人工神经网络
•     1.1.6 集成模型
•   1.2 犯罪预测的步骤
•     1.2.1 数据获取
•     1.2.2 数据格式化
•     1.2.3 数据预处理
•     1.2.4 数据分析
• 2 犯罪预测相关工作
•   2.1 犯罪热点预测及相关工作
•   2.2 欺诈预测及相关工作
•   2.3 暴力犯罪预测及相关工作
•   2.4 交通事故预测及相关工作
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 何巍

关键词: 犯罪预测,机器学习,大数据,数据挖掘

来源: 科学技术与工程 2019年36期

年度: 2019

分类: 工程科技Ⅱ辑,社会科学Ⅰ辑

专业: 公安

单位: 中国人民警察大学基础部

基金: 公安理论及软科学研究计划重点项目(2018LLYJWJXY006),全国教育信息技术研究课题(186140038),河北省高等教育教学改革研究与实践项目(2018GJJG445),河北省统计科研计划(2018HY08),中国人民警察大学博士科研创新计划(BSKY2018002),廊坊市科技支撑计划(2019011012),河北省高等学校科学技术研究项目(Z2019008)资助

分类号: D917.6

页码: 37-43

总页数: 7

文件大小: 1387K

下载量: 509