[发明专利]一种基于动静态特征融合学习的服刑人员风险预测方法

摘要

一种基于动静态特征融合学习的服刑人员风险预测方法，包括高维动静态数据的时空特征提取和行为频域特性自适应的多模型融合预测。时空特征提取中，对静态数据进行降维提取重要特征；由动态数据业务表得到三维的动态特征张量；与静态特征矩阵融合得到动静态三维张量；多模型融合预测中，根据服刑人员历史风险特征的频域特性对服刑人员进行聚类标记，根据标记对动静态三维张量进行分解，分类别构建监督数据集，并进一步设置多种步长，得到不同类别不同步长的训练样本集；针对多类别多步长训练样本集构建多分类多尺度网络结构，对样本集进行训练，得出预测模型。本发明可有效降低风险预测中的主观因素，在不依赖于专家经验的情况下实现客观预测。