基于最大化依赖的恐怖行为背景特征提取方法

• 作者: 杨晓琴 葛清龙 薛安荣 贾小艳
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 恐怖行为预测 特征提取 希尔伯特-施密特独立标准 支持向量机 恐怖组织行为族群
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 797-801
• 页数: 5页
• 分类号: TP181
• 字数: 6478字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.03.797

摘要

针对恐怖数据集中存在的属性值残缺问题,提出了基于最大化背景向量与行为之间依赖关系的压缩背景空间(CCS)方法.该方法基于希尔伯特-施密特独立标准和希尔伯特-施密特范数,它们能有效检测变量间的关联性.CCS通过使得背景向量线性投影后的低维特征与行为之间希尔伯特-施密特范数最大化,从而实现背景向量与行为之间的依赖关系最大化,更好地发现两者之间的关联性,减小属性值残缺带来的影响.然后利用分类模型(如支持向量机(SVM))对所得到的低维特征进行学习(CCS+ SVM),实现高效预测.在MAROB数据集上的实验表明:与SVM模型、基于传统特征提取方法(如PCA和CCA)的SVM模型以及已有的恐怖行为预测算法CONVEX相比,CCS+SVM的性能在查全率和F值上分别提高1.5％和1.0％以上,而查准率和ROC曲线下面积(AUC)值与最好性能相当.实验结果表明,CCS+ SVM能够较好地解决恐怖数据集中的属性值残缺问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛安荣	江苏大学计算机科学与通信工程学院	45	665	13.0	25.0
2	杨晓琴	解放军理工大学通信工程学院	5	27	2.0	5.0
3	贾小艳	江苏大学计算机科学与通信工程学院	3	12	2.0	3.0
4	葛清龙	江苏大学计算机科学与通信工程学院	2	5	2.0	2.0