改进的聚类算法在恐怖袭击事件中的应用

• 作者: 何庆祥 张巍
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 恐怖袭击 深度自编码表征 聚类
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 综合研究
• 页码范围: 24-30
• 页数: 7页
• 分类号: TP391
• 字数: 6203字
• 语种: 中文
• DOI: 10.12052/gdutxb.190052

摘要

恐怖袭击严重影响国际社会的稳定和人们生命财产安全,其形式、手段的多样化给反恐分析带来巨大挑战.为了把相似的恐怖袭击事件进行分组归类,并提高反恐分析员侦破案件的效率,本文基于全球恐怖主义数据库,提出了一种深度自编码表征(Deep Auto-Encoder Representation)的改进聚类算法,引入深度自编码器,将稀疏和嘈杂的原始数据映射为类内紧凑平滑的数据,提升聚类效果.实验结果表明,相比于传统的K-means聚类算法,改进后的算法可以提高聚类效果.本方法有利于反恐分析员将相似案件并案分析处理,找到案件的犯罪团伙.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张巍	广东工业大学计算机学院	62	412	11.0	15.0
2	何庆祥	广东工业大学计算机学院	1	0	0.0	0.0