基于半监督机器学习的监所人员风险计算

• 作者: 李强 赵尚上 李胜广
• 来源期刊: 警察技术
• 关键词: 风险评估预警模型 机器学习 半监督 支持向量机 K近邻 随机森林
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 本期专题
• 页码范围: 25-28
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9875.2022.01.006

摘要

风险评估是当今社会各个行业都会涉及到的一个基础课题.在传统的风险评估算法研究中,大多关注风险点的前期事件和相关风险的前瞻,大部分认知风险是由日积月累的多种行为、特征组成.在公安监所人员风险评估工作中,人员风险也在日益的变化,通过暴力、健康、脱逃、自杀、心理、闹监六个维度对在押人员进行风险评估计算,并通过机器学习相关技术,进行特征提取和风险值计算,利用基于半监督机器学习框架支持向量机、K近邻、随机森林三种机器学习模型框架,训练六种机器学习数据模型,并随着监管数据的不断更新,模型也随之迭代,使预测的风险值更加准确.