[发明专利]一种基于多标签组合多分类器的恐怖行为预测方法

摘要

本发明公开了一种基于多标签组合多分类器的恐怖行为预测方法，以多标签决策树和随机游走模型为基分类器，将背景属性信息映射到不同的恐怖行为类别，训练预测模型；利用基分类器预测新数据属于各个恐怖类别的概率；最后将基分类器的输出结果采用加权组合概率函数进行融合，选择预测概率大于阈值的恐怖行为集合作为新数据的预测结果。本发明充分考虑恐怖行为背景数据存在的潜在联系以及单分类器预测精度低的问题，针对恐怖行为背景数据中存在大量不相关与冗余数据，基于邻域粗糙集进行特征选择；考虑同一时刻可能发生多种恐怖行为，并且背景属性、恐怖行为之间可能存在潜在联系，采用单一分类器无法准确地描述这些信息，本发明方法能提高预测精度。

主权项

一种基于多标签组合多分类器的恐怖行为预测方法，其特征在于，包括以下步骤：步骤1，原始数据的预处理：原始数据由恐怖组织的基本信息、背景知识和行为知识构成，提取背景知识和行为知识，构成背景知识与恐怖行为的多标签数据集；步骤2，训练多标签决策树和随机游走模型：基于步骤1获得的背景知识与恐怖行为的多标签数据集，定义背景属性关联重要度，并根据背景属性关联重要度训练多标签决策树，利用标签之间的关联训练随机游走模型；步骤3，测试多标签决策树和随机游走模型：使用步骤2获得的多标签决策树和随机游走模型预测在每种训练模型下待分类标签样本，获得所有恐怖行为的概率；步骤4，组合基分类器预测模型：通过步骤3在多标签决策树分类器中获得每种恐怖行为的权值与预测的随机游走分类器对应的标签相乘，生成决策函数，根据决策函数得到最终恐怖行为的预测结果。