基于支持向量機(jī)的嫌疑人特征預(yù)測算法及分布式實現(xiàn).pdf

1、隨著社會政治、經(jīng)濟(jì)和科技的高速發(fā)展，犯罪事件也以一定的速率不斷增長，而且違法犯罪更具組織化、職業(yè)化和高智能化。我國公安信息系統(tǒng)信息化程度不高，分析研判不夠智能化，決策機(jī)制有失科學(xué)性，缺乏對數(shù)據(jù)由宏觀到微觀的問題發(fā)現(xiàn)手段，如何利用數(shù)據(jù)挖掘的相關(guān)技術(shù)，充分發(fā)揮警務(wù)大數(shù)據(jù)的價值和作用，使其運用到警務(wù)工作中，提高執(zhí)法效率和預(yù)防打擊犯罪活動，已經(jīng)成為公安信息化建設(shè)中急需解決的問題。因此本文針對大數(shù)據(jù)環(huán)境下，公安技術(shù)應(yīng)用不足、各選嫌疑人眾多而預(yù)測方

2、法相對落后的問題，提出了運用支持向量機(jī)（SVM）預(yù)測犯罪嫌疑人的方法，提高偵破效率。
　　傳統(tǒng)的嫌疑人預(yù)測方法大都通過回歸或者分類方法，對嫌疑人的可能性進(jìn)行判斷，這可能會導(dǎo)致錯判的可能性。針對這一問題，本文對嫌疑人的特征進(jìn)行預(yù)測，提出基于支持向量機(jī)的一種新穎的嫌疑人特征預(yù)測方法。首先，本文對支持向量機(jī)的基本原理進(jìn)行介紹，在其基礎(chǔ)上提出嫌疑人特征預(yù)測模型，并通過實驗驗證模型的有效性，針對大數(shù)據(jù)環(huán)境下嫌疑人特征預(yù)測問題，提出基于Had

3、oop的分布式嫌疑人特征預(yù)測框架。本文的研究成果主要有以下幾個方面:
　　(1)針對問題特性以及支持向量機(jī)的特點，將支持向量機(jī)算法運用到嫌疑人預(yù)測問題中。
　　(2)提出嫌疑人特征預(yù)測模型。首先對數(shù)據(jù)進(jìn)行預(yù)處理，并采用信息增益的特征選擇方法進(jìn)行特征選擇，基于支持向量機(jī)構(gòu)建嫌疑人特征預(yù)測模型，運用粒子群算法(PSO)對模型的參數(shù)進(jìn)行優(yōu)化，并通過實驗對模型進(jìn)行評估，驗證其可行性。
　　(3)提出基于Hadoop的分布式嫌疑