基于子图模式的反恐情报关联图集分析
发布时间：2021-08-16 19:13
[目的/意义]利用子图模式对暴恐案件中的人员关联进行分析可以发现涉恐人员关联图中的规律,为反恐情报分析提供有效参考。[方法/过程]首先对涉恐基础数据进行预处理,保证图中各顶点的唯一性。通过计数统计出所有的频繁1-子图和频繁2-子图,然后不断迭代生成其他候选子图并筛选频繁子图,直到达到终止条件为止。[结果/结论]该方法根据反恐情报的特点进行了优化,避免了普通频繁子图挖掘中的大量图同构检测,挖掘出的频繁子图可以反映不同类别涉恐人员之间的联系规律和联系特点,发现暴恐案件线索,有效预测和打击恐怖活动。
【文章来源】：现代情报. 2019,39(07)CSSCI
【文章页数】：7 页
【部分图文】：
关联图集挖掘方法
文的分析中将不再讨论图同构问题。4反恐情报中的子图模式挖掘示例4.1涉恐人员关联图集样本反恐情报子图模式挖掘前，除了常规的数据挖掘预处理外，还要将所有的人员关联统计出来并生成原始样本图集。首先按照基础人员的涉恐特征，将不同的人员分为几大类。基础涉恐人员分类时以职业、教育水平、年龄、身高、体重、性别、收入水平等属性特征划分。分类后将人员划定为A、B、C、D、E、F……等不同的人群，再利用风险分析为每个分类中的人员编号排序，保证唯一性。如图3所示为一组涉恐人员关联样本图集，图集中共有4个子图对应4组人员数据，分别包含5人、4人、4人、4人，即原始样本图集共由17名人员的数据生成，每个子图中的人员编号表示类别和在对应子图中的排序。图中的数据完全随机生成，表1所示为对应的事务表。例如图G1中的边(a1，b，p)前两个元素为两个顶点a1和b，表示两个涉恐人员，p表示两个人员之间的联系权值大小。本文将以这四个虚拟的关联图详细说明如何利用子图模式挖掘发现涉恐人员的联系规律。图3涉恐人员关联样本图集表1样本数据人员关联图对应事务表(a1，a2，p)(a1，b，p)(a2，c，r)(a2，d，r)(b，c，q)(b，d，p)G1111110G2110100G3111010G4001111—04—2019年7月第39卷第7期基于子图模式的反恐情报关联图集分析July，2019Vol.39No.7
变的，所以对应的邻接矩阵一定是唯一的，对比子图时只需要利用唯一的邻接矩阵对比。MG1=0pp00p00rrp00q00rq000r000MG2=0pp0p00rp0000r00MG3=0pp0p00rp00q0rq0MG4=00rr00qprq00rp004.2量化分析过程设最小支持度阈值为40%，则频繁子图支持度计数至少为2(大于等于4*40%，数值4表示图集中共有4个关联图)，最小顶点数阈值为4。如图4所示为样本人员关联图的子图模式挖掘过程，图中圆括号内数字表示支持度计数。当子图中只有1个节点(k=1)时，只需对图集中每个顶点计数，如果候选1－子图(只有1个单独顶点)计数大于或等于2时，则满足支持度条件，样本图集中有5个顶点满足条件。接着在表1中利用频繁1－子图两两组合，通过计数挖掘出频繁2－子图(k=2)，每个子图中包含2个顶点和1条边，共有5个频繁2－子图满足条件。从挖掘频繁k－子图(k＞2)开始，基于每两个频繁(k－1)－子图共享“核”(相同的频繁(k－2)－子图，对应邻接矩阵除了最后一行和最后一列完全相同)生成候选k－子图，然后利用先验原理和支持度计数统计选择满足条件的频繁k－子图。产生候选k－子图和频繁k－子图的过程有以下几种不同的情况。图4子图模式挖掘过程情况1:不存在新增顶点的对应生成边，即表1中没有对应事务(图5中“问号”只能取0)，表示涉恐人员之间没有联系。产生候选3－子图的过程即为合并对应的频繁2－
【参考文献】：
期刊论文
[1]贝叶斯理论在反恐情报分类分析中的应用研究[J]. 李勇男. 数据分析与知识发现. 2018(10)
[2]基于频繁序列模式挖掘的反恐情报关联分析[J]. 李勇男. 情报理论与实践. 2018(10)
[3]时空轨迹频繁模式在反恐情报分析中的应用研究[J]. 李勇男. 情报杂志. 2018(08)
[4]空间模式挖掘在反恐情报分析中的应用研究[J]. 李勇男. 情报杂志. 2018(04)
[5]反恐背景下的个人特征数据构成与涉恐个体的挖掘分析[J]. 陈鹏,瞿珂,陈刚,汪勇. 情报杂志. 2018(04)
[6]反恐情报分析中的数据预处理研究[J]. 李勇男,梅建明,秦广军. 情报科学. 2017(11)
[7]交互式话单数据的社会关系权值分析[J]. 侯丽波,王冠. 中国刑警学院学报. 2017(05)
[8]“9·11”以来全球反恐战略困境探析[J]. 王震. 社会科学. 2017(09)
[9]基于频繁模式树的涉恐情报关联分析[J]. 李勇男,梅建明. 情报科学. 2017(09)
[10]基于频繁子图挖掘的数据服务Mashup推荐[J]. 张仲妹,王桂玲,张赛,韩燕波. 电子科技大学学报. 2016(02)
硕士论文
[1]频繁子图挖掘算法的研究[D]. 张伟.燕山大学 2011
[2]频繁子图挖掘算法的研究与应用[D]. 刘振.中南大学 2009
本文编号：3346234
【文章来源】：现代情报. 2019,39(07)CSSCI
【文章页数】：7 页
【部分图文】：
关联图集挖掘方法
文的分析中将不再讨论图同构问题。4反恐情报中的子图模式挖掘示例4.1涉恐人员关联图集样本反恐情报子图模式挖掘前，除了常规的数据挖掘预处理外，还要将所有的人员关联统计出来并生成原始样本图集。首先按照基础人员的涉恐特征，将不同的人员分为几大类。基础涉恐人员分类时以职业、教育水平、年龄、身高、体重、性别、收入水平等属性特征划分。分类后将人员划定为A、B、C、D、E、F……等不同的人群，再利用风险分析为每个分类中的人员编号排序，保证唯一性。如图3所示为一组涉恐人员关联样本图集，图集中共有4个子图对应4组人员数据，分别包含5人、4人、4人、4人，即原始样本图集共由17名人员的数据生成，每个子图中的人员编号表示类别和在对应子图中的排序。图中的数据完全随机生成，表1所示为对应的事务表。例如图G1中的边(a1，b，p)前两个元素为两个顶点a1和b，表示两个涉恐人员，p表示两个人员之间的联系权值大小。本文将以这四个虚拟的关联图详细说明如何利用子图模式挖掘发现涉恐人员的联系规律。图3涉恐人员关联样本图集表1样本数据人员关联图对应事务表(a1，a2，p)(a1，b，p)(a2，c，r)(a2，d，r)(b，c，q)(b，d，p)G1111110G2110100G3111010G4001111—04—2019年7月第39卷第7期基于子图模式的反恐情报关联图集分析July，2019Vol.39No.7
变的，所以对应的邻接矩阵一定是唯一的，对比子图时只需要利用唯一的邻接矩阵对比。MG1=0pp00p00rrp00q00rq000r000MG2=0pp0p00rp0000r00MG3=0pp0p00rp00q0rq0MG4=00rr00qprq00rp004.2量化分析过程设最小支持度阈值为40%，则频繁子图支持度计数至少为2(大于等于4*40%，数值4表示图集中共有4个关联图)，最小顶点数阈值为4。如图4所示为样本人员关联图的子图模式挖掘过程，图中圆括号内数字表示支持度计数。当子图中只有1个节点(k=1)时，只需对图集中每个顶点计数，如果候选1－子图(只有1个单独顶点)计数大于或等于2时，则满足支持度条件，样本图集中有5个顶点满足条件。接着在表1中利用频繁1－子图两两组合，通过计数挖掘出频繁2－子图(k=2)，每个子图中包含2个顶点和1条边，共有5个频繁2－子图满足条件。从挖掘频繁k－子图(k＞2)开始，基于每两个频繁(k－1)－子图共享“核”(相同的频繁(k－2)－子图，对应邻接矩阵除了最后一行和最后一列完全相同)生成候选k－子图，然后利用先验原理和支持度计数统计选择满足条件的频繁k－子图。产生候选k－子图和频繁k－子图的过程有以下几种不同的情况。图4子图模式挖掘过程情况1:不存在新增顶点的对应生成边，即表1中没有对应事务(图5中“问号”只能取0)，表示涉恐人员之间没有联系。产生候选3－子图的过程即为合并对应的频繁2－
【参考文献】：
期刊论文
[1]贝叶斯理论在反恐情报分类分析中的应用研究[J]. 李勇男. 数据分析与知识发现. 2018(10)
[2]基于频繁序列模式挖掘的反恐情报关联分析[J]. 李勇男. 情报理论与实践. 2018(10)
[3]时空轨迹频繁模式在反恐情报分析中的应用研究[J]. 李勇男. 情报杂志. 2018(08)
[4]空间模式挖掘在反恐情报分析中的应用研究[J]. 李勇男. 情报杂志. 2018(04)
[5]反恐背景下的个人特征数据构成与涉恐个体的挖掘分析[J]. 陈鹏,瞿珂,陈刚,汪勇. 情报杂志. 2018(04)
[6]反恐情报分析中的数据预处理研究[J]. 李勇男,梅建明,秦广军. 情报科学. 2017(11)
[7]交互式话单数据的社会关系权值分析[J]. 侯丽波,王冠. 中国刑警学院学报. 2017(05)
[8]“9·11”以来全球反恐战略困境探析[J]. 王震. 社会科学. 2017(09)
[9]基于频繁模式树的涉恐情报关联分析[J]. 李勇男,梅建明. 情报科学. 2017(09)
[10]基于频繁子图挖掘的数据服务Mashup推荐[J]. 张仲妹,王桂玲,张赛,韩燕波. 电子科技大学学报. 2016(02)
硕士论文
[1]频繁子图挖掘算法的研究[D]. 张伟.燕山大学 2011
[2]频繁子图挖掘算法的研究与应用[D]. 刘振.中南大学 2009
本文编号：3346234
本文链接：https://www.wllwen.com/falvlunwen/fanzuizhian/3346234.html
