[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

说明书

 

技术领域

本发明涉及计算机数据挖掘与应用领域，具体而言涉及一种基于恐怖组织的背景子空间预测恐怖行为的预测算法。

 

背景技术

2001年9月11日，美国纽约、华盛顿遭受恐怖分子袭击，造成3100多人死亡。此次事件被认为是自珍珠港事件后美国遭受到的最严重的恐怖袭击事件，标志着恐怖主义组织已经成为对国际安全造成重大影响的一支非国家力量。如何利用现有的信息预测将会发生的恐怖行为，成为一个重要的研究方向。

恐怖行为预测是预测知识挖掘的典型应用，它利用数据挖掘和机器学习的相关技术，对过去、现在恐怖组织策划实施的恐怖行为的情况进行科学的统计分析，然后预测其发展趋势。恐怖预测不是证实过去，也不是说明现实，而是从显性的恐怖组织与恐怖袭击事件的数据入手，寻找出某些隐性的有用信息。从恐怖袭击事件数据中可能隐藏的特征、行为或者其他的因素来提炼出相关的模式，以此来提供线索，预测恐怖主义组织的发展趋势。其目的在于为采取有效的预防措施提供决策支持。

早期对恐怖预测的研究主要是针对当局的统计数据对恐怖行为进行长期预测，但由于当时的数据信息只考虑到恐怖事件发生的时间、地点、袭击目标等因素，而没有考虑导致恐怖事件的社会学等深层次的因素，因此单纯的从数据驱动并不能有效对其进行预测。而且传统的分析方法过于依赖社会学专家的分析，对于大数据量而言不具备可操作性。

目前，对恐怖预测的研究开始以跨学科（计算机数据挖掘技术与社会学，犯罪学等）为基础，统计的信息更为详细，不仅包括传统恐怖活动发生的信息，而且还从经济矛盾、政治矛盾（如民族矛盾、宗教价值观差异以及种族政策的失误）、文化矛盾等方面搜集信息和数据挖掘，以便通过对这些数据的分析为当局提供更有效的预测分析。因此，通过分析恐怖组织的背景因素对其行为的影响成为研究的热点。

在根据背景因素对恐怖行为进行预测时，由于实际中，各种恐怖行为所依赖的背景知识是不同的，也即相同的背景知识对不同的恐怖行为而言， 其影响程度是不同的。因此将大量的背景数据中的行为属性看作一个整体，利用背景向量之间的相似度进行预测的方法过于复杂，数据处理量大，因此如何在预测过程中对行为向量中的各种恐怖行为进行单独处理，然后对各种恐怖行为的预测结果进行汇总，最后给出预测结果，是当前恐怖行为预测需要解决的一个重要问题。

 

发明内容

针对现有技术中的缺陷，本发明旨在提出一种基于恐怖组织背景知识子空间的恐怖行为预测方法，根据恐怖组织背景知识子空间进行合理计算和预测，可避免预测过程中的波动性，同时可提高预测算法的预测精度，避免背景数据的高维、小样本的特性对预测算法造成的影响。

本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。

为达成上述目的，本发明提出一种基于恐怖组织背景知识子空间的恐怖行为预测方法，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；