[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

说明书

本发明涉及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，包括步骤如下：(1)获取服刑人员特征信息并进行数据挖掘；(2)训练RF分类模型；(3)查询：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；(5)极高危险预警：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。完成对服刑人员的危险性等级的评估，实时接收干警的评估反馈并不断更新优化RF分类模型，提高评估的精度和效度。

技术领域

本发明涉及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，属于狱政管理技术领域，具体涉及一种监狱危险性等级评估的研究方法。

背景技术

随着信息技术与监狱管理的联系日益紧密，无纸化程度加深，服刑人员的基本档案信息、心里评估状况及改造考核状态也成为了方便获取的数字化信息，通过服刑人员的各项基本信息判断其潜在危险和应给予的关注程度也成为监狱信息化的一部分。在以往的监狱管理过程中，许多监狱缺少有效的危险预警系统或已有的危险预警系统严重依赖于干警对辖区犯人的主观判断，无法充分利用监狱信息化系统已有的大量信息且完全人工评分的方式包含过多的主观因素。在实际应用中发现无论根据数字化的信息还是纯粹的依靠个人经验进行判断都存在许多不足之处。

现有方法的不足具体表现在：(1)通过干警个人经验对服刑人员进行的危险判断在一定范围内即干警管辖的服刑人员中是准确的，但无法比较不同干警的不同管辖群体之间的危险程度；(2)通过大数据方式结合干警对各类型犯罪的经验权重判断出的服刑人员的危险程度在准确性方面又略显不足且存在严重的滞后性。对服刑人员的危险度进行有效量化的过程中，现有的方法是把全部犯人信息都作为潜在危险程度的考量，这样不仅带来了大量的数据冗余且默认各类信息对犯人潜在危险的影响程度相同，忽略了大量的重要信息，错误的危险度和关注度将对监狱管理工作带来巨大的负担；(3)服刑人员基本信息的收集和危险度标签的获得严重依赖于人工，且标签具有一定的时效性。

因此，如何高效、合理地对服刑人员的危险性和在狱中的潜在危险做出正确的评估，是现在要解决的重要问题。

发明内容

针对现有技术的不足，本发明提供了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；

本发明还提供了上述基于监狱服刑人员有效影响因子的危险性等级评估方法的实现系统；

本发明通过提供一款基于服刑人员基本信息和心理行为特征的大数据处理方法的移动端应用，通过RF(Random Forest)分类模型实现对服刑人员的危险性等级评估，同时基于AHP层次分析法生成服刑人员危险排序名单，将干警经验和大数据的预测的方法结合起来，干警通过移动端应用对犯人危险性等级评估结果进行实时反馈，基于在线学习算法修正优化模型，提高预测模型的准确性，解决了服刑人员危险等级标签和干警经验权重滞后的问题。本系统共包括数据挖掘和存储模块、模型算法模块、移动终端显示模块、在线学习优化模块和极高危险人员预警模块。本发明可以有效的利用狱警经验和服刑人员系统数据，基于机器学习和在线学习算法来提高服刑人员危险性等级评估的准确性，同时对极高危险服刑人员发出预警。

术语解释：

RF分类模型：采用RF(Random Forest)随机森林分类器在样本数据集中训练达到一定准确率并能用于分类预测的机器学习模型，其中随机森林是由多个决策树通过集成学习算法形成的分类器。

本发明的技术方案为：

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，包括步骤如下：

(1)获取服刑人员特征信息并进行数据挖掘：