基于模糊信息粒化的支持向量机在犯罪时序预测中的应用

摘要：

犯罪时间序列一般具有随机性和波动性强的特点.传统的时间序列建模方法利用犯罪时序数据之间的相关性建立预测模型;但对细颗粒度下的信息利用不足.相比之下,基于模糊信息粒化的支持向量机能够在对时间序列的细颗粒度数据进行粒化预处理的基础上建立拟合回归模型,实现粗颗粒度下的时序预测.利用基于模糊信息粒化的支持向量机方法对S市的侵财类案件数据进行分析预测,并与ARIMA模型进行了比较.结果表明该方法在预测精度上要显著优于时间序列预测模型.对公安部门的警务指挥与情报研判具有较高的实用性.

关键词：信息粒化、支持向量机、时间序列、犯罪预测

所属期刊栏目：15

分类号：TP391.75(计算技术、计算机技术)

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：54-57,63