[发明专利]一种基于多梯核深度神经网络模型积分预警方法以及系统

说明书

本发明涉及公共安全技术领域，且公开了一种基于多梯核深度神经网络模型积分预警方法，包括数据存储模块，用于从多种数据源采集多种结构的数据并进行存储，所述的数据根据内容分为基本信息数据，财务信息数据、社会信息数据和轨迹信息；数据中心处理模块，用于将数据存储模块中保存的数据统一结构化，所述统一结构化的数据经过特征量化、特征分箱、特征提取、特征分梯后导入多梯核神经网络模型中生成具体的预警积分。通过设置的多梯核神经网络模型，应用于公共领域过程中，来对行为人进行其数据特征的识别和判断，最终来实现对个人行为进行实时预警，实现对公共安全事故的及时布控，及时防范，及时打击，降低公共安全事故的发生概率。

技术领域

本发明涉及公共安全技术领域，具体为一种基于多梯核深度神经网络模型积分预警方法以及系统。

背景技术

现有公共安全领域通过积分结果匹配“红”、“橙”、“黄”、“绿”进行预警，其计算模型存在机械化、准确率低、自适应能力差等问题，无法实现实时化、精准化、智能化的积分计算。机械化主要体现在计算规则必须设定好、准确率低主要体现在人为主观判定、自适应能力差主要体现在规则之间存在相关性，规则无法完全覆盖。

中国专利公开号CN202110427225.5公开了“公共安全风险预警系统和方法”，公共安全风险预警系统利用双目摄像机对公共安全隐患区域进行风险监测，其可遍及的范围广且监测精度高，是采用双目摄像机进行视觉监测，双目摄像机能够识别待测物体的深度信息，而双目摄像机能够像人类的双眼一样通过视差计算对象的深度信息，从而更加精确和快速地识别对象的动作信息，进而实现更精准的预警。

但上述发明的缺陷在于，只针对即将发生的危害公共安全的行为本身进行预警，无法进行较早的主动预警。现实生活中需要对一个关注对象的多维历史信息数据进行分析，以得出其实施危害公共安全行为的概率。而目前是根据人为经验整理衡量规则，设定权重，累加权重结果，确定关注对象的积分情况，结合预警四色确定关注对象是否将要实施危害公共安全行为。其中规则是动态变化的，不能涵盖所有规则，同时规则之间也存在相互关联性，无法实现自适应能力，导致安全预警效果比较低。故而本申请提出一种基于多梯核深度神经网络模型积分预警方法以及系统来解决上述所提出的问题。

发明内容

解决的技术问题

针对现有技术的不足，本发明提供了一种基于多梯核深度神经网络模型积分预警方法以及系统，解决了安全预警效果低，防范不及时的问题。

技术方案

为实现上述目的，本发明提供如下技术方案：一种基于多梯核深度神经网络模型积分预警方法，包括数据存储模块，用于从多种数据源采集多种结构的数据并进行存储，所述的数据根据内容分为基本信息数据，财务信息数据、社会信息数据和轨迹信息；

数据中心处理，用于将数据存储模块中保存的数据统一结构化，所述统一结构化的数据经过特征量化、特征分箱、特征提取、特征分梯后导入多梯核神经网络模型中生成具体的预警积分；

阈值生成，用于产生多个动态的风险预警阈值区间；

通过如下步骤，产生风险预警信息：

步骤一：数据分类，将数据根据数据形态分成非数值特征数据和数值特征数据两种类别；

步骤二：特征量化，对步骤一中的非数值特征值数据进行特征量化，并将非数值特征数据根据行为特征划分为依据频次为量化指标的行为数据和依据行为程度为量化指标的行为数据；

特征分箱，对步骤一中的数值特征数据进行离散化处理；

步骤三：特征提取，对步骤二获取的数据通过方差过滤算法和F检验算法进行特征提取，并对所分别提取的数据特征进行数据特征交集获得数据特征集合；

步骤四：特征分梯，将步骤三所获取的数据特征集合通过特征相关算法将具有相关性的数据特征组合为若干个数据特征组合；