基于长短期记忆模型的入室盗窃犯罪预测研究 |
| |
作者单位: | ;1.中南财经政法大学统计与数学学院;2.湖北经济学院湖北数据与分析中心;3.湖北大学数学与统计学学院 |
| |
摘 要: | 随着智慧警务建设的兴起,利用时空大数据对犯罪事件进行预测成为具有前瞻性的研究。基于2015—2018年WH市110入室盗窃类接警数据,利用循环神经网络(RNN)改进得到的长短期记忆模型(LSTM),通过学习得到最佳性能对应的迭代次数、回看天数、空间依赖度、失活率等超参数,构建最优的二值化接警数据长短期记忆模型(BD-LSTM*)和频数统计数据长短期记忆模型(RD-LSTM*),并分别对WH市各区域的案件发生概率以及案件发生数量进行预测。结果表明,两种犯罪预测模型具有良好的预测精度和稳健性。
|
关 键 词: | 犯罪预测 时空大数据 入室盗窃 RNN LSTM |
Prediction of Burglary Crime Based on LSTM |
| |
Abstract: | |
| |
Keywords: | |
|
|