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：浙江网安信创电子技术有限公司

摘要：本发明公开了基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法，具体涉及图像识别技术领域，包括原问题重定义、设定关键假定、初始化贝叶斯学习模型中所需的似然概率和先验概率、贝叶斯学习模型构建和训练、后验概率大于设定阈值，将相关信息同步到系统中的其它平台或组件，或作为情报信息同步到内网中、将数据用以训练、验证和测试有监督学习模型、将构建的有监督学习模型作为辅助的研判模型，与根据关键假定评估与贝叶斯学习构建的模型同时使用。本发明通过将关键假定评估与贝叶斯学习相结合的方法，以识别意图突发犯罪的潜在人员，并进一步与有监督学习模型相结合，从一定程度上解决此类突发事件的预警和研判难题。

主权项：1.基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法，其特征在于，该方法包括以下步骤：S1：原问题重定义，受限于相关信息和平台接入困难，将原待解决问题转换为“XXX地方哪些人员不是危险分子？”，这样将较为困难的极端异常预测转换为较为容易的正常行为判别，由于在特定场景加油站加油情况下，因而利用视频监控提取的特征信息或进一步结合其它信息进行分析模型的构建；S2：设定关键假定，关键假定包括基础关键假定和具体的子关键假定；S3：依据关键假定，初始化贝叶斯学习模型中所需的似然概率和先验概率；S4：贝叶斯学习模型构建和训练针对需解决的问题和基于关键假定，将针对行为人的突然袭击概率计算进行分解，每一个分解项都会对单人突然袭击后验概率的维持或降低产生影响，同时，每个分解项的计算基于相关传感器对行为人提取的特征输入；模型初始设定所有人员实施突然袭击的概率都是99％，通过新鲜的信息不断输入后，根据贝叶斯学习原理实时计算其实施突然袭击的后验概率：S5：若计算后的后验概率大于设定的阀值80％，实施现场预警并将相关信息同步到系统中的其它平台或组件，或作为情报信息同步到内网中，作为高价值信息利用内网的其它敏感数据和模型进一步进行研判和预警；S6：将人工确定核实事件突然袭击对应的传感器提取数据以及随机抽取的正常行为人对应的传感器提取数据作为重要的数据集，用以训练、验证和测试有监督学习模型；S7：将构建的有监督学习模型作为辅助的研判模型，与根据关键假定评估与贝叶斯学习构建的模型同时使用。

全文数据：

权利要求：

百度查询： 浙江网安信创电子技术有限公司 基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法