基于支持向量机的嫌疑人特征预测

• 作者: 姬建睿 孙春华 李荣岗
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 大数据 支持向量机 特征选择 分类器 犯罪预测 数据挖掘
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 198-203
• 页数: 6页
• 分类号: TP399
• 字数: 6063字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.11.032

摘要

针对大数据环境下,公安机关计算机核心技术应用不足、备选嫌疑人众多而预测方法相对落后的问题,提出运用支持向量机(SVM)预测犯罪嫌疑人的模型.根据历史犯罪记录进行特征选择,训练基于SVM的嫌疑人特征预测模型,通过此模型对案件嫌疑人的各个特征进行预测,将预测出的特征与备选嫌疑人库中人员特征进行相似度计算,进而预测出最有可能的嫌疑人.实验结果表明,与应用分类和回归算法的模型相比,该模型对预测结果具有较好的解释性,能够缩小排查范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙春华	合肥工业大学管理学院	18	388	9.0	18.0
2	姬建睿	合肥工业大学管理学院	3	10	1.0	3.0
3	李荣岗	合肥工业大学管理学院	1	9	1.0	1.0