基于转移概率矩阵自学习的犯罪分布预测

发布时间：2023-05-20 13:20

　　针对犯罪分布预测准确率低,历史犯罪数据缺失严重的问题,提出了基于历史犯罪数据,融合所研究地区的社会环境因素的转移概率矩阵自学习的犯罪分布预测算法——TWcS.将包括距离信息、面积信息、人口信息在内的社会环境因素作为权重值引入到梯度下降策略中,利用梯度下降实现TWcS算法的转移概率矩阵自学习.实验结果证明,TWcS算法的性能明显优于包括当前最优基线算法(TPML-WMA)在内的其他预测算法(如LR、AR、Lasso回归算法、贝叶斯算法、决策树算法等),TWcS算法的MAE值是其他算法MAE平均值的33%.

【文章页数】：7 页

【文章目录】：
1 融合社会环境因素的犯罪分布预测算法TWcS
    1.1 社会环境因素建模
    1.2 TWcS算法
    1.3 评价标准
2 实验及结果分析
    2.1 数据集
    2.2 初始值选择对实验结果的影响
    2.3 权重系数设置对实验结果的影响
    2.4 TWcS算法与TPML-WMA/线性回归/自回归算法的对比
    2.5 TWcS算法与Lasso回归/贝叶斯/决策树算法的对比
    2.6 在评价标准MAE下对比各算法的性能
3 结 论



本文编号：3821193