基于数据挖掘的恐怖袭击嫌疑对象判断研究

• 作者: 李颖 杨振柳 钟子森
• 来源期刊: 情报探索
• 学科: 社会科学
• 关键词: 反恐 数据挖掘 特征筛选 主成分分析 K-means聚类算法
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 理论探索
• 页码范围: 35-40
• 页数: 6页
• 分类号: G350
• 字数: 3681字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8095.2019.04.006

摘要

[目的/意义]以数据驱动方式对恐怖袭击事件进行数据挖掘,有助于提高侦破效率,发现新生或者潜在的恐怖分子.[方法/过程]对全球恐怖主义数据库收录的数据进行数据挖掘,主要包括数据清洗与通过主成分分析算法完成的特征筛选,进而建立基于改进的K-means算法的聚类模型,将聚类模式中具有较多相似特征的事件进行归纳处理.[结果/结论]通过该聚类模型可以有效的将恐怖袭击事件按照嫌疑程度对嫌疑对象作出判断,为侦破恐怖袭击事件提供信息支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李颖	大连海事大学环境信息研究所	89	536	12.0	18.0
2	杨振柳	大连海事大学航海学院	2	2	1.0	1.0
3	钟子森	大连海事大学航海学院	2	2	1.0	1.0