[发明专利]一种基于监狱服刑人员有效影响因子的危险性等级评估方法及其实现系统

权利要求书

1.一种基于监狱服刑人员有效影响因子的危险性等级评估方法，其特征在于，包括步骤如下：

(1)获取服刑人员特征信息并进行数据挖掘：

服刑人员特征信息包括罪犯基本信息、近期心理评估结果及罪犯危险等级标签；罪犯危险等级标签是干警对服刑人员危险程度的评估经验结果，包括低、中、高三类；

对采集到的服刑人员特征信息进行数据挖掘，包括依次进行数据清洗、结构化处理操作；数据清洗是指：对服刑人员特征信息中的缺省项、不规范项和表述错误项分别进行增补、修改和删除操作；结构化处理是指：采用皮尔逊相关系数法和信息增益法计算每个数据指标和危险性等级标签的权重系数，基于欧氏距离筛选出有效影响因子，删除冗余信息指标，减少计算复杂度，获得的结构化数据并存储到数据库中；

(2)训练RF分类模型：

读取步骤(1)获取的数据库中的数据，划分为训练集和测试集，通过有效影响因子和罪犯危险等级标签训练RF分类模型；

训练时采用评估准确率作为目标值，若评估准确率低于设定的阈值，设定的阈值为0.7-0.8，再重复进行训练，若评估准确率达到设定的阈值时，训练结束，得到RF分类模型；

取测试集的有效影响因子进行RF分类模型预测，即：对测试集的服刑人员数据的危险性等级进行预测评估，即将测试集的服刑人员有效影响因子的数据作为输入送到RF分类模型中，得到RF分类模型输出；

将预测结果和对应样本的危险性等级标签进行比对，形成最终RF分类模型的预测准确率，即：统计测试集中评估正确的个数，在整体测试集样本个数中所占的比例即为最终RF分类模型的预测准确率；

(3)查询：

获取步骤(1)获取的数据库中的未含罪犯危险等级标的样本信息，即：抽取若干个待测服刑人员样本，此类样本数据只包含服刑人员的罪犯基本信息、近期心理评估结果并不含有罪犯危险等级标签，提取出有效影响因子形成预测集，作为待评估数据，使用步骤(2)中训练后的RF分类模型进行预测和评估，给出每一位服刑人员的评估等级，即罪犯危险等级标签，存储到数据库中；

(4)反馈：

干警对步骤(3)查询获取的罪犯危险等级标签进行实时确认和反馈，若罪犯危险等级标签正确，则确认，否则，输入罪犯危险等级标签；并使用在线学习算法进行RF分类模型进行修正和优化：

(5)极高危险预警：

对高度危险的服刑人员计算危险等级分数，显示危险等级分数前5％最高的服刑人员对应的特征信息及危险等级分数，并发出预警，供干警查看危险人员的状态并对危险情况采取相应的管制措施。