[发明专利]一种监狱服刑人员危险性倾向的智能分析预警方法

说明书

技术领域

本发明涉及计算机智能信息处理中的大数据处理技术，具体涉及一种监狱服刑人员危险性倾向的智能分析预警方法。

背景技术

随着监狱信息化的发展，建设了包括罪犯狱政管理系统、刑法执行系统、生活卫生系统、亲情电话系统、会见管理系统、心理咨询系统等一大批罪犯管理业务系统；包括视频监控系统、门禁系统、报警系统、数字电网、外来车辆人员进出管理系统、应急指挥辅助决策系统等一大批安全防范系统。这些系统的建设为监狱狱情的收集、分析、研判提供了大量的、有效的基础性数据。

在监狱狱情分析过程中，有一项关键的任务是对服刑人员可能发生的极端行为(如逃脱、自杀、施暴、破坏等)进行分析预警，但对这些系统产生的信息还没有进行有效的处理和分析，目前在监狱管理中只是提出罪犯分类的方法，根据刑期去对服刑人员做简单分类，但在实际操作中现有方法在对服刑人员可能发生的极端行为进行分析预警时还存在很多不足之处，且准确度较低。

现有方法的不足表现在:首先，现有的方法对服刑人员进行分类时没有考虑对不同行为误判造成的代价不同，将行为正常的服刑人员错误预警为有极端行为倾向时相对代价较小；如果对有极端行为倾向的服刑人员造成误判，而没有及时预警，将造成的后果将非常严重。其次，已有方法对服刑人员进行分类时没有细分到该人员可能存在的不同类型的极端行为倾向，对此进行分析能够更有针对性的采取措施，以防范极端行为的发生。再次，已有方法对服刑人员的分类严重依赖人工设计的指标，方法的智能化程度还不高，没有充分利用现有系统产生的大量数据来发现异常的服刑人员行为特征。且在服刑人员中，真正发生极端行为的属于极少数，所以这种极端行为的数据很少，且获取难度极大，现有的方法用这极少量的极端行为数据很难构建准确的分类预警模型。

发明内容

本发明为克服上述的不足之处，目的在于提供一种监狱服刑人员危险性倾向的智能分析预警方法，主要是通过对监狱信息系统收集的大量服刑人员信息建模，利用一种代价敏感的多阶段半监督分类算法，自动发现服刑人员的行为特征，有效识别存在极端行为倾向的服刑人员，自动判别该极端行为倾向的类型，并有效降低系统误判造成的影响。

本发明是通过以下技术方案达到上述目的：一种监狱服刑人员危险性倾向的智能分析预警方法，包括以下步骤：

(1)数据采集分类：

(1.1)采集监狱服刑人员的档案信息，将其存入数据中心；

(1.2)将监狱各个业务系统与数据中心进行连接，将其产生的信息实时传入数据中心，其中所述的监狱各个业务系统，包括会见系统、亲情电话系统、一卡通系统、心理咨询系统、计分考核系统、狱侦管理系统、点名系统、仿真实训系统和综合评估系统；

(1.3)数据中心根据改造信息、外部因素、监狱环境、个人状况、狱侦状况和反常信息进行分类存储；

(2)数据预处理：

(2.1)模型生成与预警处理终端调用数据中心中分类存储的服刑人员信息，构造用于分析服刑人员极端行为倾向的三大类基础特征，对于这三大类基础特征均进行数值化预处理，使每个服刑人员均得到一个特征向量；

(2.2)对有极端行为倾向的服刑人员标记极端行为类别y＝{1,2,...N}，N表示极端行为类型数，每个数代表一种极端行为类型；对无极端行为倾向的服刑人员标记极端行为类别y＝-1；

(3)模型生成与预警处理终端生成第一阶段半监督分类模型，其中，模型生成与预警处理终端生成第一阶段半监督分类模型的目标函数为