[发明专利]一种基于多源实例迁移学习的恐怖行为预测方法

摘要

本发明提出一种基于多源实例迁移学习的恐怖行为预测方法，包括步骤：背景数据的预处理，背景数据由背景知识和行为知识构成，标记为向量对。为了在组织间实现迁移，对背景数据进行预处理，将多个行为属性合并为一个行为属性；训练候选预测模型，对多个源组织样本集分别同目标组织样本集取并集，在每个并集上采用SVM进行迭代地训练，在每次迭代训练中都对错分样本进行权重修正，得到候选预测模型集；集成最终预测模型，过滤候选预测模型集中对于目标数据集的误差超过阂值的部分，剩余的模型以加权投票的方式进行集成。本发明的预测方法是针对新产生的恐怖组织的行为预测，解决了新产生的组织由于缺乏样本而导致难以预测的问题，提高了预测的精度。

主权项

一种基于多源实例迁移学习的恐怖行为预测方法，其特征在于，包括以下步骤：步骤1，背景数据的预处理：背景数据由背景知识和行为知识构成，标记为向量对(CS，AS)，其中CS＝(C₁，C₂，...，C_M)表示背景数据中的背景属性，AS＝(A₁，A₂，...，A_N)表示背景数据中涉及的行为属性，为了在组织间实现迁移，对背景数据进行预处理，将多个行为属性合并为一个行为属性，形成(CS，A)的数据集，其中A＝A₁||A₂||...||A_N为合并的行为属性；步骤2，训练候选预测模型：通过步骤1得到形如(CS，A)的源组织和目标组织样本集，对多个源组织样本集分别同目标组织样本集取并集，在每个并集上采用SVM进行迭代的训练，每次迭代训练中都对错分样本进行权重修正，进而得到候选预测模型集；步骤3，集成最终预测模型：过滤步骤2得到的候选预测模型集中对于目标数据集的误差超过阈值的部分，剩余的模型以加权投票的方式实现行为预测。