[发明专利]一种基于随机算法的反恐预测方法

权利要求书

1.一种基于随机算法的反恐预测方法，其特征在于包括如下步骤：

步骤1:对涉恐数据问题识别和数据准备；

步骤2:通过演绎法对恐怖组织行为进行数据挖掘；

步骤3:通过深度学习获得可信种子模型n；

设第j个种子模型的预测结果为p_j，而实际恐怖活动为q，在预设可信度t的情况下，输入涉恐因素向量x_i，当满足以下条件:

其中，KL(·||·)表示散度，对两个模型进行相似度评估，则称种子模型p_j为可信种子模型；

步骤4:在若干可信种子模型的基础上，利用随机函数裂变出预测模型集N，N＞n；

步骤5:模型集N在测试集上进行检验，将预测结果较差的模型剔除，筛选出成绩相对优秀的模型集N′；

步骤6:保存预测模型集合N′，根据预测模型集合N′进行反恐预测；

步骤7:一旦有新的涉恐因素x出现，返回步骤3，将x加入到深度学习网络，得到新的预测模型集合N”。

2.根据权利要求1所述的基于随机算法的反恐预测方法，其特征在于：所述步骤3中以深度神经网络构建可信种子模型以下三个部分：

1)、涉恐数据准备及预处理

假定涉恐数据采集、清洗已完成，首先对涉恐数据进行社会网络分析，通过初步了解恐怖组织行为关联性及分布网络模型，对中心性、网络密度和凝聚子群预判之后设定影响反恐预测的显性因素、以及可能存在的隐性因素，为神经网络构建做准备；

2)、复杂涉恐问题拆解

首先找到复杂问题的单个或多个“突破口”，由简单到复杂、抽象到具体的顺序逐级递进求解

3)、深度融合神经网络

根据复杂涉恐问题的拆解过程，将各个因素融合到深度神经网络中，深度融合完成整个种子模型的构建。

3.根据权利要求1所述的基于随机算法的反恐预测方法，其特征在于：所述步骤4中采用的随机函数为蒙特卡罗算法或Dropout方法。