基于支持向量机的治安高危人员风险预警方法

被引:12
作者
张强 [1 ,2 ]
何乐平 [1 ]
机构
[1] 中国科学院大学经济与管理学院
[2] 江西省吉安市人民政府
关键词
治安高危人员; 公共安全; 风险预警; 支持向量机;
D O I
10.14120/j.cnki.cn11-5057/f.2016.11.023
中图分类号
D631.4 [治安工作];
学科分类号
030603 ; 0838 ;
摘要
随着社会经济快速发展,城市人口流动性增加,社会治安面临新的挑战。提高对治安高危人员风险预警能力,有助于公安机关高效应对复杂多变的公共安全形势。本文采用支持向量机构建风险预警模型,探求高危人员风险预警的可行方法,并进行实证分析。结果显示该方法对治安高危人员风险预警效果显著,对公安机关的情报研判具有较高的实用性。
引用
收藏
页码:245 / 251
页数:7
相关论文
共 20 条
[1]  
基于“大数据”的重点人员管控系统的设计与实现.[D].沈晓磊.苏州大学.2014, 10
[2]   基于模糊信息粒化的支持向量机在犯罪时序预测中的应用 [J].
陈鹏 ;
胡啸峰 ;
陈建国 .
科学技术与工程, 2015, 15 (35) :54-57+63
[3]   基于综合判别能力的农户小额贷款信用评价模型 [J].
迟国泰 ;
潘明道 ;
程砚秋 .
管理评论, 2015, 27 (06) :42-57
[4]   基于社会网络的恐怖活动时空特征分析 [J].
付举磊 ;
肖进 ;
孙多勇 ;
汪寿阳 .
系统工程理论与实践, 2015, 35 (09) :2324-2332
[5]   基于随机森林的分类器在犯罪预测中的应用研究 [J].
孙菲菲 ;
曹卓 ;
肖晓雷 .
情报杂志, 2014, 33 (10) :148-152
[6]   基于支持向量机的突发事件分级研究 [J].
商丽媛 ;
谭清美 .
管理工程学报, 2014, 28 (01) :119-123
[7]   供应链金融视角下的中小企业信用风险评估研究——基于SVM与BP神经网络的比较研究 [J].
胡海青 ;
张琅 ;
张道宏 .
管理评论, 2012, 24 (11) :70-80
[8]   基于关键信息的非常规突发事件预警模型研究 [J].
刘樑 ;
沈焱 ;
曹学艳 ;
何婧 ;
李仕明 .
管理评论, 2012, 24 (10) :166-176
[9]   重点人员积分预警模型建设基础问题研究 [J].
吴绍忠 .
中国人民公安大学学报(自然科学版), 2012, 18 (02) :76-79
[10]   犯罪热点时空分布研究方法综述 [J].
陆娟 ;
汤国安 ;
张宏 ;
蒋平 ;
吴伟 .
地理科学进展, 2012, 31 (04) :419-425