[发明专利]基于恐怖组织背景知识子空间的恐怖行为预测方法

权利要求书

1.一种基于恐怖组织背景知识子空间的恐怖行为预测方法，其特征在于，包括以下步骤：

步骤1：背景数据的预处理

背景数据由背景属性和行为属性构成，标记为向量对(CS(g),AS(g))，其中CS(g)=(C₁,C₂,...,C_M)表示背景数据中的背景属性，AS(g)= (A₁,A₂,...,A_N)表示背景数据中涉及的行为属性，为了得到不同行为属性的背景知识子空间，对背景数据进行预处理，形成(CS(g),A_i)的N个数据子集； 

步骤2：提取特定行为属性的背景知识子空间

对于行为属性A_i的数据子集的原始数据记录：R_i1,R_i2,…,R_im，提取该行为属性A_i的背景知识子空间；

步骤3：利用条件概率理论和贝叶斯理论，在步骤（2）提取的背景知识子空间中进行迭代计算，得到所有行为属性A_i 在N个数据子集下的发生概率，并取其中概率最大的作为预测结果。

2.根据权利要求1所述的基于恐怖组织背景知识子空间的恐怖行为预测方法，其特征在于，在步骤2）中，提取行为属性A_i的背景知识子空间包括以下步骤：

对原始数据记录R_ij与R_ik之间的关系进行散化处理，散化为CS(g)中的背景属性C_j与行为属性A_i之间的关系，得到背景属性C_j与行为属性A_i之间的相似度p_j；；

根据散化处理得到的相似度p_j构造背景属性C_j与行为属性A_i之间的距离度d_j，距离度d_j=1/p_j；

根据背景属性C_j与行为属性A_i之间的距离度d_j构造背景属性C_j与C_k之间的相似度a_jk，相似度函数为a_jk=exp{[-(d_j-d_k)²]/2}；

根据相似度函数a_jk构造背景属性之间的亲和矩阵A；

求解亲和矩阵A得到亲和矩阵A的规范化拉普拉斯矩阵L；

对规范化拉普拉斯矩阵L进行特征值分解，然后利用谱分析原理根据特征值分解的相关信息对背景属性进行子图划分，从而把背景属性划分为两个子图；

提取与行为属性A_i之间关联度最大的子图中的背景属性作为提取的背景知识子空间；

重复上述步骤，以提取N个数据子集中对应的行为属性的背景知识子空间。

3.根据权利要求2所述的基于恐怖组织背景知识子空间的恐怖行为预测方法，其特征在于，在步骤2）中，数据散化处理包括以下步骤：

对CS(g)中的每一背景属性C_j设置一个计数变量cc_j，初始值为0；

对数据子集进行扫描，对背景属性C_j的取值与数据子集对应的行为属性A_i的取值做比较；

若C_j与A_i同时发生或同时不发生，则计算变量cc_j作自增1运算，否则计算变量cc_j的值保持不变；

扫描N个数据子集结束后，利用相似度公式p_j=cc_j/m计算CS(g)中每一背景属性C_j与行为属性A_i之间的相似度，从而把原始数据R_ij与R_ik之间的关系，散化为CS(g)中的背景属性与行为A_i之间的关系。