龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：中国科学院计算技术研究所
摘要：本发明提供了一种犯罪态势研判模型训练方法，所述方法包括：步骤S1、获取已有的历史犯罪时间序列数据并对其进行预处理得到目标序列数据集；步骤S2、构建初始模型；步骤S3、采用目标序列数据集对所述初始模型进行多轮迭代训练得到犯罪态势研判模型。本发明的通过LSTM模型的基本结构来构建犯罪态势研判模型，以捕获犯罪时间序列数据中的长期依赖关系，提高犯罪态势研判模型的时效性和准确性；同时在犯罪态势研判模型中引入注意力模块来自动学习犯罪时间序列数据中的重要特征，使犯罪态势研判模型更加关注对犯罪预测有影响的信息，提高对特征的表达能力，进而提高犯罪态势研判模型的准确性和可靠性。
主权项：1.一种犯罪态势研判模型训练方法，其特征在于，所述方法包括：步骤S1、获取已有的历史犯罪时间序列数据并对其进行预处理得到目标序列数据集，其中，目标序列数据集包括多个序列数据样本，每个序列数据样本包括预设时间步长的时间连续的多个时刻的犯罪数据，每个时刻的犯罪数据设置有对应的犯罪数量标签，每个时刻的犯罪数据包括多种犯罪因素；步骤S2、构建初始模型，所述初始模型包括多层隐藏层，每层隐藏层用于提取每个序列数据样本的犯罪特征，每层隐藏层包括多个依次连接的注意力LSTM单元，每个注意力LSTM单元用于处理每个序列数据样本中的一个时刻的犯罪数据，每个注意力LSTM单元均设置有注意力模块，其中，所述注意力模块用于基于自身设置的注意力参数计算其所在注意力LSTM单元要处理的犯罪数据中每种犯罪因素的注意力权重，每个注意力LSTM单元用于基于自身注意力模块得到的每种犯罪因素的注意力权重提取自身处理的犯罪数据的犯罪特征；步骤S3、采用目标序列数据集对所述初始模型进行多轮迭代训练得到犯罪态势研判模型，其中，在每次训练过程中，以初始模型输出的每个序列数据样本中每个时刻的犯罪数据的犯罪数量预测值与每个时刻的犯罪数据的犯罪数量标签之间的损失更新模型参数。
全文数据：
权利要求：
百度查询： 中国科学院计算技术研究所 一种犯罪态势研判模型训练方法、研判系统及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号