摘要:為了利用歷史數(shù)據(jù)對(duì)犯罪態(tài)勢(shì)進(jìn)行更加準(zhǔn)確的預(yù)測(cè),提出一種基于改進(jìn)長(zhǎng)短期記憶(long short-term memory,LSTM)網(wǎng)絡(luò)的犯罪態(tài)勢(shì)預(yù)測(cè)方法.首先統(tǒng)計(jì)某區(qū)域在每一個(gè)時(shí)間步長(zhǎng)內(nèi)發(fā)生犯罪事件的數(shù)量,作為一個(gè)時(shí)間步長(zhǎng)值,再由多個(gè)時(shí)間步長(zhǎng)組成一個(gè)時(shí)間序列,結(jié)合均方差濾波對(duì)統(tǒng)計(jì)的序列數(shù)據(jù)做標(biāo)準(zhǔn)化處理.其次建立包括輸入層、隱藏層、全連接層和輸出層的LSTM網(wǎng)絡(luò),在訓(xùn)練階段將以上一段時(shí)間步長(zhǎng)的預(yù)測(cè)值作為輸入改為以實(shí)際值作為輸入,根據(jù)修正的網(wǎng)絡(luò)參數(shù)循環(huán)進(jìn)行后續(xù)的預(yù)測(cè),再對(duì)網(wǎng)絡(luò)輸出進(jìn)行標(biāo)準(zhǔn)化逆處理得到預(yù)測(cè)結(jié)果.將2016年美國(guó)洛杉磯地區(qū)統(tǒng)計(jì)的全部犯罪記錄作為實(shí)驗(yàn)數(shù)據(jù),得到了態(tài)勢(shì)擬合度較高的實(shí)驗(yàn)結(jié)果,與改進(jìn)前相比,預(yù)測(cè)結(jié)果的均方根誤差(root mean square error,RMSE)從139.65降低到了85.88,驗(yàn)證了基于改進(jìn)LSTM網(wǎng)絡(luò)對(duì)犯罪態(tài)勢(shì)預(yù)測(cè)的有效性和準(zhǔn)確性,并且通過(guò)與其他現(xiàn)有方法的對(duì)比,進(jìn)一步證明了本方法在時(shí)間性能和準(zhǔn)確性上的優(yōu)越性.
注:因版權(quán)方要求,不能公開(kāi)全文,如需全文,請(qǐng)咨詢雜志社。
北京工業(yè)大學(xué)學(xué)報(bào)雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅(jiān)持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:前沿觀察、當(dāng)代社會(huì)研究、經(jīng)濟(jì)與管理研究、科技創(chuàng)新與評(píng)價(jià)研究等。于1974年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。