买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明公开了一种融合多种数据挖掘技术的恐怖袭击事件评估决策方法，先利用熵权评价法计算每条恐怖袭击事件的危害程度进而实现恐怖袭击事件危害性分级模型；接着，通过K均值聚类算法找出多条作案者信息的簇中心进而得出恐怖分子关于典型事件的嫌疑度；然后，以近三年中恐怖袭击数据作为样本，利用多元线性回归模型分析攻击类型、目标类型、武器类型等的变化趋势以反映地区反恐整体态势；最后，利用词频‑逆文档算法对近三年恐怖事件的事件摘要进行词频重要性计算进而给出恐怖袭击事件的主要成因。本发明对恐怖袭击事件相关数据的深入分析，将有助于为反恐防恐提供有价值的信息支持，辅助反恐人员高效决策和响应反恐事件。

主权项：1.一种融合多种数据挖掘技术的恐怖袭击事件评估决策方法，其特征在于，包括以下步骤：1利用熵权评价法计算每条恐怖袭击事件的危害程度进而对恐怖袭击事件进行量化分级；2通过K均值聚类算法找出多条作案者信息的簇中心进而得出恐怖分子关于典型事件的嫌疑度，实现对危害性较高的组织予以精准防范和打击；3以已发生的恐怖袭击事件数据作为样本，利用多元线性回归模型分析攻击类型、目标类型、武器类型等的变化趋势以反映地区反恐整体态势建立恐怖袭击事件发展态势评估模型；所述恐怖袭击事件发展态势评估模型包含恐怖袭击事件爆发频次的预测模型、恐怖袭击事件空间分布分析模型；4利用词频-逆文档算法对三年内所有事件的事件摘要进行词频重要性统计，从而提取与反恐事件相关的关键词，继而分析恐怖事件的主要原因；所述步骤1包括以下步骤：11将每条恐怖袭击记录称为一个评价对象，每一个对象的属性称为决策因子，由评价对象组成一个危害性样本矩阵R′为R′＝r′ijm×n1其中，r′ij为第j个评价对象的i个决策因子的数据，m和分别为n决策因子和评价对象的个数；12对危害性样本矩阵R′进行标准化处理，并进行求熵的计算，得到样本矩阵中指标i的信息熵Hi为 其中，当fij＝0时，令fijlnfij＝0；13求出各评价对象的决策因子所对应的熵权大小wi为： 危险性指标向量W为：W＝w1,w2,...,ws,...,wiT514以加权求和的方法量化不同恐怖袭击事件的危害性大小，建立恐怖事件危害程度计算模型如下： 其中，Tj为第j个评价对象的危害程度,wirij表示第j个评价对象在第i个决策因子上的贡献程度；所述步骤2包括以下步骤：21依据轮廓系数评估方法选出合适的聚类数目，将恐怖袭击事件分为一些不同的簇类，同时考虑簇内部的相似关系，选择簇中心点作案者代表簇内部所有事件的作案者，若簇中心点无作案者，则计算欧式距离选择离中心点最近且有作案者的点代替中心点；22对每个簇筛选出的作案者依据作案次数和案件的危险程度选出危险性程度不同的作案者，把作案者制造的恐怖事件记录和典型事件看成两组多维向量，进而依靠用VSM相似度计算模型确定各嫌疑者与该案件的相关性，即嫌疑度： 其中，表示典型袭击事件中的任意一起的特征向量，记为事件1，表示危害性最高的五个恐怖组织作案的典型事件特征向量，记为事件2，余弦值越小说明这两起事件相关性较低，反之相关性高，即相关性越高，嫌疑度也越高；步骤3所述的恐怖袭击事件爆发频次的预测模型为：Fret＝α0+α1x1t-12+…+α2x2t-2412其中，t表示时刻，t取区间[1,36]内的整数，但为了避免0和负下标的出现，在计算回归系数时，t＝25,26,27,...,36，Fret为t时刻的事件频次，x1t-12为t时刻所在年份的前一年的同月份的事件频次，x1t-12为t-12＝13,14,...,24时刻所对应的爆发频次，x2t-24为t时刻所在年份的前年的同月份的事件频次，因此x2t-24为t-24＝1,2,...,12时刻所对应的爆发频次，α0，α1，α2为求取的模型回归系数；预测时，取t＝37,38,...,48；这样，未来一年爆发频次即可被预测；步骤3所述恐怖袭击事件空间分布分析模型为：Fi＝c1Zi+c2Wi+c3Ri+c4pi14其中，Fi表示第i个地区的反恐系数，Zi表示第i个地区的武器伤害度，Wi表示第i个地区的地区危害性，Ri表示第i个地区的死亡总数，pi表示第i个地区的事件频发次数，设置加权系数c1＝c2＝c3＝c4＝0.25；所述步骤4通过以下公式实现： 其中，fi表示词i在文本中出现的词频，N表示文本集总数，Ni表示包含词i的文本个数，a1。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种融合多种数据挖掘技术的恐怖袭击事件评估决策方法