[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

摘要

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，对监狱信息系统中服刑人员的信息实施高效采集、抽取，获得服刑人员行为特征基础数据，并采用代价敏感多阶段半监督分类方法，对服刑人员危险性倾向进行分析判别并预警。本发明的有益效果在于1、本发明能充分利用现有系统提供的大量的服刑人员监测数据，自动发现异常的服刑人员潜在的行为特征和行为模式，该系统构造成本较小，可行性强。2、该方法考虑了预警系统误判的代价问题，最大程度地降低预警误判造成的影响，符合实际需求。3、本发明提出的方法具有更强的自适应能力，建立的预警系统预警准确度更高，误判造成的影响小。

主权项

一种监狱服刑人员危险性倾向的智能分析预警方法，其特征在于包括以下步骤：(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min12||f||H2+C1Σi=1nl(yi,f(Xi))+C2Σj=n+1n+sl(y^j,f(Xj))]]>f表示预测函数，目标函数包含了三项，第一项表示函数间隔，表示各个特征的权重系数；第二项是对有标记数据错分类的损失函数，yi表示真实的标号，l()表示真实标号与预测值之间的差异，第三项是对未标记数据错分类的损失函数，表示对未标记数据标号的预估，C1和C2分别是对有标记数据和未标记数据错分的权重，且C1又细分为C1(+)和C1(‑)，表明不同误判情形代价不同，C1(+)、C1(‑)和C2均是用户自己设定的常数；sgn(·)是指示函数；表示未标记数据的极端行为倾向类别；n表示有标记的服刑人员数，s表示无标记的服刑人员数；将所有没有标记极端行为类别的特征向量作为未标记的数据，未标记的数据输入第一阶段半监督分类模型，得到该服刑人员的极端行为类别y；(4)模型生成与预警处理终端生成第二阶段半监督分类模型，经过步骤(3)判别存在极端行为倾向的特征向量作为未标记数据，输入第二阶段半监督分类模型，得到相应服刑人员其极端行为倾向的类型；(5)根据分类结果，模型生成与预警处理终端对存在极端行为倾向的服刑人员给出预警信号，指示其极端行为类别。