[发明专利]一种基于随机子空间的恐怖袭击预测方法

摘要

本发明公开了一种基于随机子空间的恐怖袭击预测方法，包括步骤1，建立训练集，在线学习器维持一个线性分类器Wt；步骤2，统计GTD数据库中这个月的下一个月这个国家发生恐怖袭击事件的次数z；步骤3，利用随机子空间方法从给定的恐怖袭击数据集的整体特征中随机选择s组特征子集，生成核极端学习机集成分类算法中的s个基分类器；步骤4，将S组特征子集放入核极端学习机进行学习，得到输出结果；步骤5，将s个基分类器的输出整合，得到最终的分类结果；步骤6，进行模型应用输入测试集中每一条记录的自变量值，得到预测变量的值，即为下一个月发生恐怖袭击事件的概率。

主权项

一种基于随机子空间的恐怖袭击预测方法，其特征在于，包括如下步骤：步骤1，建立训练集，提取出一个月的机器学习的特征，通过在线学习器维持一个线性分类器Wt，并改进得到最终的线性分类器；步骤2，统计GTD数据库中一个月的下一个月一个国家发生恐怖袭击事件的次数z，所述下一个月是已发生的月份，非预测值；步骤3，利用随机子空间方法从给定的恐怖袭击数据集的整体特征中随机选择s组特征子集，生成核极端学习机集成分类算法中的s个基分类器；步骤4，将s组特征子集放入极限学习机进行学习，得到输出结果；步骤5，将s个基分类器的输出整合，得到最终的学习模型；步骤6，进行模型应用：以国家为单位，取想要预测的月份的上一个月为时间区间，按照步骤1进行在线特征提取，提取出来的特征作为测试集，放入步骤5得到的学习模型中，得到预测变量的值，即为下一个月各个国家发生恐怖袭击事件的概率。