基于集成特征选择的盗窃案件预测方法

• 作者: 张晶晶 石拓 蒋伟 魏新蕾
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 特征选择 异质基学习器 集成学习器 Bagging 犯罪预测
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 信息与控制
• 页码范围: 985-990
• 页数: 6页
• 分类号: TP399
• 字数: 4580字
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2018.09.018

摘要

盗窃类案件是公安机关较为棘手的一类犯罪,呈现高发低破态势.提前预测发案情况是预防该类型犯罪的有效途径,因此对预测盗窃犯罪提出了一种以Bagging方法为基础、基于特征选择准确度和差异性双重考量的集成学习算法,根据集成学习器好而不同的原则,构造由异质基学习器集成的特征选择器,实现对影响盗窃犯罪发生因子的有效选择,使用更少维度的特征数据集提升犯罪预测的效率和准确度.实验结果表明,提出的SEFV_Bagging算法具有较好的泛化能力和稳定性,在测试数据上表现出的预测准确度也较为理想,且算法无需根据先验知识设置所选特征子集维数,在盗窃犯罪数据分析预测领域应用中有较为明显优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋伟	中国传媒大学视听技术与智能控制系统文化部重点实验室	48	140	6.0	8.0
3	张晶晶	中国传媒大学视听技术与智能控制系统文化部重点实验室	28	23	3.0	4.0
7	石拓	中国传媒大学视听技术与智能控制系统文化部重点实验室	10	17	3.0	4.0