基于改进PSO-Apriori算法的恐怖组织关联特征分析

发布时间：2023-10-04 05:07

　　通过分析和挖掘出恐怖组织内在的关联特征,得出恐怖主义袭击事件组织者的时空活动规律,为针对特定组织者的全球反恐战略部署提供理论依据和指导。利用20年的全球恐怖主义数据库(GTD)作为数据源,以全球恐怖组织为主体研究对象,通过改进的多值属性Apriori算法对提取出的恐怖组织时间、空间及其相关特征进行关联分析,并以粒子群算法(PSO)优化Apriori算法的支持度和置信度两个重要参数。研究结果表明,改进算法规则提取时间有所缩短,冗余规则数量大大减少,特定恐怖组织在时空分布上具有很强的内在关联特征。由此得出结论,通过对多值属性Apriori算法的剪枝步和连接步设定规则限制能够提高关联算法的运行效率并提取出更加有效的规则。同时,经过粒子群算法的优化能够避免人为主观意识对算法结果产生的影响,从而验证了改进算法的有效性和准确性,挖掘出恐怖组织的基本时空活动规律。

【文章页数】：6 页

【文章目录】：
0 引 言
1 数据集与数据预处理
2 研究方法
    2.1 Apriori关联规则算法概述
    2.2 粒子群算法(PSO)概述
    2.3 改进的PSO-Apriori组合算法模型
3 结果分析
    3.1 时空特征分布
    3.2 关联特征分析
        1)规则提取时间对比
        2)规则提取数量对比
        3)规则提取质量对比
4 结 论



本文编号：3851379