發(fā)布時間：2020-11-22 03:25

　　 近年來,刑事犯罪規(guī)模呈現(xiàn)上升態(tài)勢,這不僅給人民群眾的生命和財產安全帶來巨大危害,也破壞了城市的和諧穩(wěn)定發(fā)展環(huán)境,不利于國家的長治久安。因此,深入研究犯罪活動的時空分布規(guī)律,準確預測犯罪趨勢,對于提高公安機關的警務研判能力,精確打擊犯罪活動,建設美麗、和諧和安寧的生產和生活環(huán)境都具有重要意義。本文采用模糊、遺傳、禁忌、混沌、粒子群等智能算法,研究了兩類犯罪預測方法,一類是犯罪地理目標預測,另一類是案件數(shù)目預測。并且從模型算法優(yōu)化和樣本數(shù)據(jù)處理兩個角度對犯罪預測模型進行了優(yōu)化。主要研究工作和成果如下:(1)針對連環(huán)犯罪案件的特點,研究了犯罪地理目標預測模型及其基本原理,然后分析了該模型的不足。最后利用模糊算法對原始模型進行了改進,并采用相關實例對新模型的精度及可靠性進行驗證。(2)通過分析BP神經網絡算法進行長周期犯罪預測時預測效果不佳、誤差較大等缺點,從優(yōu)化模型算法角度出發(fā),采用遺傳算法和禁忌算法對BP-ANN的長周期犯罪預測模型進行了優(yōu)化。并對相關模型進行實例驗證,最后分析了模型預測誤差。(3)針對BP神經網絡算法進行短周期犯罪預測時存在預測精度不佳、可靠性較差等缺點,從優(yōu)化模型算法角度出發(fā),采用粒子群算法對BP-ANN的短周期犯罪預測模型進行了優(yōu)化。并據(jù)此進一步提出混沌算法和粒子群算法優(yōu)化BP-ANN的短周期犯罪數(shù)目預測模型,然后開展實例了驗證。最后分析并對比兩種模型預測效果。(4)以混沌粒子群優(yōu)化的BP神經網絡短周期犯罪預測模型為基礎,從樣本數(shù)據(jù)處理角度出發(fā),提出了基于小波閾值法的混沌粒子群算法優(yōu)化的BP神經網絡犯罪預測模型,并對比了去噪前后模型的預測效果。
【學位單位】：安徽工業(yè)大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：D918;TP18
【部分圖文】：

基于智能優(yōu)化算法的犯罪預測方法研究促進該領域的發(fā)展可以為國家治安防控給予有力的支持。因此，積極探索智法在犯罪預測方面的應用研究具有重大的理論及現(xiàn)實意義。國內外研究現(xiàn)狀1 CGT 模型國內外研究現(xiàn)狀本文研究的犯罪預測可以分為兩類：一類是犯罪地理目標預測；另一類是犯件數(shù)目預測。犯罪地理目標預測模型是由 Rommo 博士于上世紀 90 年代提出的一種結合了數(shù)學、犯罪地理學等學科專業(yè)犯罪偵查模型[5]。其主要作用是根據(jù)犯罪地點或關地點推斷出犯罪人最有可能的居住地或逗留地。目前，該技術已廣泛應用美等國家的警察局[6]。它主要用于諸如系列殺人、盜竊、爆炸、縱火等連環(huán)案及詐騙、斗毆等其他類型案件[7]。

圖 1-2 國外犯罪定位軟件由于我國在這方面起步較晚，研究基礎較為薄弱，目前仍處于探索階段，是在基礎理論和應用技術方面尚處于初期研究階段，與國外先進水平還存在差距。近年來，隨著我國警務信息系統(tǒng)技術的推廣應用，我國逐步加強了在地理畫像等犯罪預測領域的研究，連續(xù)組織了多次全國犯罪地理畫像技術交動，同時公安部門也不斷加深與地方科研高校在該領域的合作，這促使連環(huán)偵查技術步入了一個新的發(fā)展機遇期。因此，目前此項技術已成為當前研究點。

圖 1-2 國外犯罪定位軟件國在這方面起步較晚，研究基礎較為薄弱，目前仍處于探索階理論和應用技術方面尚處于初期研究階段，與國外先進水平還年來，隨著我國警務信息系統(tǒng)技術的推廣應用，我國逐步加強等犯罪預測領域的研究，連續(xù)組織了多次全國犯罪地理畫像技公安部門也不斷加深與地方科研高校在該領域的合作，這促使步入了一個新的發(fā)展機遇期。因此，目前此項技術已成為當前
【參考文獻】

相關期刊論文 前10條

1 單勇;阮重駿;;基于X11方法的盜竊犯罪時間序列分析[J];山東警察學院學報;2015年04期

2 劉軍;陳光曦;;聲發(fā)射信號小波閾值消噪方法研究[J];沈陽理工大學學報;2015年02期

3 王燦進;孫濤;石寧寧;王銳;王挺峰;王衛(wèi)兵;郭勁;陳娟;;基于雙隱含層BP算法的激光主動成像識別系統(tǒng)[J];光學精密工程;2014年06期

4 林艷;羅萬杰;曾昭龍;;犯罪地理畫像方法與應用研究[J];中國人民公安大學學報(自然科學版);2013年04期

5 王瑞;張友純;;新閾值函數(shù)下的小波閾值去噪[J];計算機工程與應用;2013年15期

6 田田;吳俊;譚躍進;;基于自然連通度的復雜網絡抗毀性仿真優(yōu)化研究[J];復雜系統(tǒng)與復雜性科學;2013年02期

7 于紅志;劉鳳鑫;鄒開其;;改進的模糊BP神經網絡及在犯罪預測中的應用[J];遼寧工程技術大學學報(自然科學版);2012年02期

8 王穎;劉建平;;基于改進遺傳算法的K-means聚類分析[J];工業(yè)控制計算機;2011年08期

9 黃衛(wèi)華;方康玲;章政;;典型模糊控制器的隸屬函數(shù)設計及分析[J];模糊系統(tǒng)與數(shù)學;2010年05期

10 沈小衛(wèi);何明一;;一種基于混合優(yōu)化算法的醫(yī)學圖像配準方法[J];計算機應用研究;2010年08期

相關碩士學位論文 前7條

1 陳明;基于神經網絡的企業(yè)R&D能力評價研究[D];中國海洋大學;2015年

2 侯翔;神經網絡在洪水預報中的應用研究[D];電子科技大學;2013年

3 蔣莉莉;供電設備資產全壽命周期管理綜合評價[D];華北電力大學;2012年

4 那蓉萃;基于混合遺傳算法的流水線車間回收調度問題研究[D];東北大學;2011年

5 高偉良;股票價格時間序列ARCH模型建立與選擇研究[D];合肥工業(yè)大學;2009年

6 廖德賢;神經—模糊基因系統(tǒng)的研究[D];四川大學;2005年

7 孔明;基于神經網絡和模糊系統(tǒng)的非線性隨機控制[D];華中科技大學;2005年

本文編號：2894033