哈希特征提取和深度自编码表征在反恐中的应用

发布时间：2020-04-14 08:29

【摘要】：经济全球化的发展,使恐怖袭击活动也呈现出全球化的蔓延态势,这不仅破坏了国际社会和平与稳定的良好秩序,还严重影响了人类生命财产的安全,打击恐怖袭击活动已然成为一项刻不容缓的任务。如何能研究出恐怖袭击事件的本质特征和演变规律,以及侦破一系列未知凶手的恐怖袭击事件成为越来越多国家关注的重点。为了研究大量恐怖袭击活动信息背后潜在的规律,越来越多的情报分析部门和反恐执法人员研究将恐怖袭击活动相关的非结构化数据转化为结构化数据,然后借助数据挖掘技术从海量的恐怖袭击数据中提取有价值的信息,给有关反恐部门的决策提供情报支持。为了找出未知作案凶手的恐袭案件的潜在作案团伙,协助反恐情报分析人员侦破案件,本文采用全球恐怖主义数据库(Global Terrorism Database,GTD)。针对恐怖袭击事件的原始数据集,通过数据预处理后,采用“哈希关键信息提取法”对恐怖袭击数据进行降维分析,选择更能反映恐怖主义袭击事件真实分布和本质特点的特征子集,极大地降低了数据的维度,使得从原数据集的133维降到32维,并用“0”或“1”表示各个属性的值,“0”代表该属性对恐怖袭击的影响小,“1”代表该属性对恐怖袭击的影响大。本文采用“哈希关键信息提取法”不仅极大地减少了待分析的数据,提高了训练及检测速度,也有效地降低了噪声数据,使其更有效地反映相关数据的特征性质。经K-Means、BIRCH和GMM三个聚类算法的实验检验,证明了“哈希关键信息提取法”的有效性;进而,基于选择的特征子集,本文提出基于深度自编码表征的改进聚类算法,先将稀疏和欠规范的原始数据映射为类内紧凑平滑的数据,再进行聚类分析。经三个经典聚类算法的实验验证,改进后的基于深度自编码表征的聚类算法相对于传统的聚类算法,在聚类的准确率、轮廓系数、Calinski-Harabasz等指标都有提升;最后,在对数据聚类基础上,本文研究采用半监督学习方法,将无标签的恐怖袭击数据按概率形式进行标签化,探讨将无标签的恐怖袭击事件与已标记的恐怖袭击事件作案团伙的合并。进而为有关反恐部门的行动部署提供决策支持,为将类似案件并案侦破,提高破案效率提供数据支持。本文提出的哈希特征提取和深度自编码表征方法,具有一定的通用性和扩展性,可以为其它研究领域的数据特征提取提供参考与借鉴。提出的聚类框架同样可以推广到其它研究领域。
【图文】：

图 2-1 基本编码器示意图Figure 2-1 Basic encoder schematic table编码器由编码器和解码器构成，编码将编码器学习到的特征恢复为初始输和输出向量之间的误差函数，网络最自编码器的输出数据和输入数据完成，通常我们需要向自编码器强加一些这样自编码器往往可以学习到数据的到以下几种改进的自编码器：器（Undercomplete Autoencoder）：如

第二章 相关理论基础仅可以防止出现过拟合现象，而且还可以捕捉到数据分布中最显著的间隐藏层的单元数目不能太少，因为这会限制信息的表达，，会使数据得十分困难。如果欠完备自编码器每两层之间的变换均为线性变换，为均方差函数，此时欠完备自编码器的网络等同于主成分分析(Prient Analysis，PCA)，它会学习出与 PCA 相同的生成子空间。然而，欠的编码函数和解码函数可以是非线性函数，因此可以说是 PCA 的非可以学习出比 PCA 更强大的知识。如图 2-3 所示，这是二维空间中自A 算法同时作用于二维点上做映射的结果，从图中的结果可以看出，自好地发现数据的真实分布，因为它可以通过非线性函数去学习数据的
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;D815.5

【相似文献】

相关期刊论文 前10条

1 陈辉;;浅议车牌识别中字符的特征提取方法[J];科技传播;2009年05期

2 徐德友,胡寿松;利用粗集上近似处理特征提取中的噪声问题[J];南京理工大学学报(自然科学版);2002年S1期

3 佟德纯;王永兴;;一种新的齿轮状态的分类识别方法—CEP-AR特征提取与分类[J];振动与冲击;1988年03期

4 罗斌;黄端旭;;皮肤癌表面图象特征提取[J];安徽大学学报(自然科学版);1989年03期

5 王仁华;宋原章;;汉语孤立音节的分段研究[J];信号处理;1989年02期

6 史广;杨艳;;沙化土地地理信息多维结构特征提取仿真[J];计算机仿真;2019年11期

7 杨小军;;图片特征提取[J];中小企业管理与科技(中旬刊);2017年03期

8 武弘;;六种常用的网络流量特征提取工具[J];计算机与网络;2017年06期

9 李晋徽;杨俊安;王一;;一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J];计算机科学;2014年03期

10 唐朝霞;;一种基于特征提取的简答题阅卷算法[J];湖南工程学院学报(自然科学版);2010年01期

相关会议论文 前10条

1 王纪凯;王鹏;张启彬;陈宗海;;激光数据特征提取与学习方法[A];第17届中国系统仿真技术及其应用学术年会论文集（17th CCSSTA 2016）[C];2016年

2 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

3 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

4 路文焕;曲悦欣;杨亚龙;王建荣;党建武;;用于无声语音接口的超声图像的混合特征提取[A];第十三届全国人机语音通讯学术会议(NCMMSC2015)论文集[C];2015年

5 徐继伟;李建中;柳勃;杨昆;;使用支持向量机和改进特征提取方法的蛋白质分类[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

6 刘德刚;邵国凡;;高维遥感数据分析的特征提取方法[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

7 姜成柱;刘志成;何其芳;卞荣;席闻;;基于信号分解与稀疏恢复的空间群目标微动特征提取[A];第八届中国航空学会青年科技论坛论文集[C];2018年

8 许强;杨佳;;基于线性加权的免疫克隆算法的手指静脉特征提取[A];中国自动化学会控制理论专业委员会B卷[C];2011年

9 高学;金连文;尹俊勋;;基于笔划密度的弹性网格特征提取方法[A];2001年中国智能自动化会议论文集（上册）[C];2001年

10 徐萍;武其松;罗昕炜;陶俊;;基于畸变拖曳阵的高保真特征提取方法[A];中国声学学会水声学分会2019年学术会议论文集[C];2019年

相关重要报纸文章 前3条

1 宇航智控;预测与健康管理(PHM)技术[N];中国航空报;2018年

2 记者 贾玎玎;北京纺控主营业务收入增长11.39%[N];首都建设报;2015年

3 中国信息通信研究院泰尔终端实验室 曾晨曦 段虎才;深度学习框架的前世今生[N];人民邮电;2018年

相关博士学位论文 前10条

1 王晓辉;汽车模具表面缺陷特征提取关键技术研究[D];南昌大学;2019年

2 苏雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率图像场景分类的特征提取与选择研究[D];哈尔滨工业大学;2018年

3 宋洪超;基于微波的乳腺癌检测算法研究[D];北京邮电大学;2018年

4 温柳英;多模态数据特征提取的粒计算方法研究与应用[D];西南石油大学;2017年

5 李文娟;基于局部特征提取的人脸识别方法研究[D];天津大学;2017年

6 王振宇;面向人脸识别的特征提取技术应用研究[D];东南大学;2016年

7 马丽红;复杂背景下人脸的定位和特征提取[D];华南理工大学;1999年

8 谢平;故障诊断中信息熵特征提取及融合方法研究[D];燕山大学;2006年

9 张绍武;基于支持向量机的蛋白质分类研究[D];西北工业大学;2004年

10 李建生;图像元数据特征提取及其在检索中的应用[D];南京师范大学;2006年

相关硕士学位论文 前10条

1 孙月如;面向人脸图片的特征提取与分类算法研究[D];重庆邮电大学;2019年

2 白冰;噪声背景下声音事件的特征提取及识别[D];湘潭大学;2019年

3 李晓峰;航空遥感光电图像预处理与目标特征提取技术研究[D];哈尔滨工业大学;2019年

4 李净霖;基于计算机视觉的同步定位与三维建图方法研究[D];哈尔滨工业大学;2019年

5 刘召婕;基于感兴趣区域的舌象特征提取与病理分析[D];哈尔滨工业大学;2018年

6 张胜峰;极化特征在真假弹头识别中的应用[D];中国电子科技集团公司电子科学研究院;2019年

7 丁李;湘西方块苗文图像的特征提取与识别研究[D];吉首大学;2019年

8 邱勇辉;网络银行异常交易检测技术与应用研究[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年

9 何庆祥;哈希特征提取和深度自编码表征在反恐中的应用[D];广东工业大学;2019年

10 诸葛文章;基于图学习的高维数据特征提取及聚类方法研究[D];国防科技大学;2017年

本文编号：2627101