基于改进K-means算法的犯罪预测模型

随着大数据时代的来临,公安部门积极推进"智慧公安"警务改革,犯罪预测成为其中的重要内容。有效的犯罪预测有助于预防犯罪,维护社会稳定。但是由于犯罪环境的复杂性,犯罪诱因的多样性,犯罪预测始终是一个具有挑战性的难题。为量化预测犯罪提供可能性,构建了一种基于改进K-means算法的犯罪预测模型。通过Gap Statistic方法自动确定聚类数目,克服了K-means算法无法确定k值的缺点。实验结果表明,该模型可以成功确定犯罪热点数量并进行聚类分析,提高了犯罪预测的客观性和准确性。     

犯罪预测的方法

犯罪预测是目标管理和制定对策的基础,需要准确反映未来的状况。犯罪预测方法一般分为经验预测法和科学预测法,两种方法存在不可忽视的误差。用＂光滑＂方式处理统计数据,削弱了偶然因素对犯罪态势的影响,应引入反映犯罪态势内在变化规律的系数或模型加以修正,以灰色理论预测加经验修正项最为简单易行。     

“先知”之惑——犯罪预测局限性研究

犯罪规律的复杂性,犯罪预测主客体间的博弈,犯罪现象的不确定性以及"测不准",导致了犯罪预测的一系列局限。基于犯罪预测的"社会反应",是一种博弈甚或试错的过程。无论是针对犯罪现象的整体预测,还是针对犯罪行为的个体预测,对预测结果的利用都需充分考虑预测误差乃至预测失误的可能。任何依据犯罪预测结果的社会反应,都应是可调整、可修正和可补救的,且不得以侵害社会,尤其是个人的正当权利为代价。即便犯罪预测能够做到准确无误,先发制人式的"预先处罚"也当严格禁止。     

我国犯罪预测研究特点与趋势分析——基于CNKI文献的计量分析

为了揭示国内当前在犯罪预测研究领域的现状,总结其阶段性研究特点和发展趋势,推动我国犯罪预测研究领域的发展,提升服务社会安全的效能。利用CiteSpace信息可视化软件工具,对2010-2020年犯罪预测领域相关的364篇中文文献从文献计量角度,对该领域作者、机构以及关键词分布和共现情况及研究前沿等信息进行统计分析,绘制了相关知识图谱。近十年来国内的犯罪预测研究经历了三个比较显著的发展阶段,整体上呈现出快速发展趋势,具体表现为从方法和模型研究向应用方向发展,呈现出了与实践相结合的趋势。     

浅议当前中国犯罪学研究中存在的不足(下)

三、犯罪预测方法不够科学 没有个体预测和再犯预测 防微杜渐,未雨绸缪是犯罪预测的意义之所在。犯罪预测是犯罪预防的前提,只有对犯罪进行准确的预测,才能发现犯罪规律并提出具有针对性的防治措施。犯罪预测是一种以经验数据为基础的,并且在考虑到从过去到现在和从现在到将来的发展倾向的情况下对犯罪事件和犯罪进程作出的可能性预报。1.预测内容。按范围可分为宏观预测(又称     

试论犯罪预测

预测是对未来作预先推测。犯罪预测就是运用科学方法去推测和测定尚未出现但又可能出现的犯罪情况和趋势。最早提出对犯罪进行预测的是1928年美国的伯吉斯(E、W、Bnngess),当时的预测还仅限于刑满释放或被假释出狱者是否重新犯罪的范围内。直到1950年美国的卢克夫妇(S、E、Cldck)才提出犯罪预测。1960年在联合国召开的犯罪预防会议上正式倡议对犯罪进行预测。目前,世界各国都在不同程度上重视和实施对犯罪的预测。有的国家建立了犯罪预测的     

基于高光谱特征参数的油菜叶片SPAD多模型融合反演与建模

针对高光谱参数SPAD反演中存在的输入信息量有限、信息维度少等现象导致回归模型性能受限的问题,提出了多模型融合的思想.根据反演模型的决定系数R2和均方根误差RMSE,设计了均方根误差倒数法RR和决定系数加权法RS两种多模型加权融合方法.融合建模及模型验证结果表明,RR和RS多模型加权融合方法能够有效提升模型的反演性能,并具有较好的泛在性.     

基于logistics回归的受害诱发因素分析和受害预测

犯罪侵害似乎无处不在且不断改变形式。从实践看,结合犯罪预测进行侦查和打击犯罪行为,不足以有效保护公民人身财产安全,使得从犯罪行为的“受侵害”一方进行预测成为必要。其方法是根据犯罪侵害规律,确定“受侵害”诱发因素指标并进行二元logistics回归分析。同时,利用建立的犯罪预测模型进行个体分析,确定分析对象受侵害的可能性,而后针对受侵害高危人群及时预警以达到预防受害之目的。受害预测有利于强化侦查机关的预警预防能力,而且能够有针对性地保护公民人身财产安全。     

我国毒品犯罪预测预警研究现状分析

毒品犯罪预测的研究成果目前主要以学术论文的形式体现,在内容上主要围绕全国性和区域性的毒品犯罪发展趋势进行预测,微观方面的预测则主要围绕新型毒品的发展趋势、毒品犯罪特点和规律等展开。现有的研究成果对于科学分析毒品形势和确定禁毒方略具有非常重要的价值,需要进一步深化的是定量研究方法的运用。     

基于深度时空三维卷积神经网络的短时犯罪预测研究

细粒度时空尺度下的犯罪预测对理解犯罪发生、指导安全防范、部署治安巡逻警力等工作具有重要意义。针对现阶段时空细粒度条件下的犯罪预测面临犯罪数据稀疏,时空特征难以充分捕获的问题,采用深度时空三维卷积神经网络(ST-3DNet)对时空特征进行充分捕捉,构建出适用于犯罪数据的时空细粒度预测模型。基于美国洛杉矶真实犯罪数据集做了大量实验,结果表明：(1)随滤波器个数、时间特征长度和ResUnit层数的改变,ST-3DNet的预测RMSE值在0.308—0.342之间波动,MAE值在0.083—0.136之间波动,且RMSE和MAE值大多是反相关的;(2)ST-3DNet和深度时空残差网络(ST-ResNet)进行对照,ST-3DNet预测MAE值明显优于ST-ResNet, RMSE最小值也优于ST-ResNet,而ST-ResNet则在预测性能稳定性上更有优势,其受参数变化的影响较小,鲁棒性较优;(3)通过提升周周期组件网络深度和减少网格空白区域,可使ST-3DNet在预测性能优于同参数配置的ST-ResNet的前提下,预测性能稳定性明显提升,达到甚至优于ST-ResNet的预测性能稳定性水平...     

试论犯罪学研究方法中存在的不足(上)

本文分析了犯罪学研究方法中存在的犯罪调查统计数据不实,分析方法不够严密,欠缺科学性;被害调查方法和自我报告制度尚未引入,造成研究"盲区",缺乏重要的信息来源;犯罪预测方法不够科学,没有个体预测和再犯预测;对策评估反馈系统尚未建立,措施的效果难以评估等不足.提出加强和改进研究方法中的不足之处,以利学科的深入发展,进一步拓展犯罪学的生存空间.     

分布式大数据树形处理架构在犯罪预测方面的应用研究

目前存在一种基于面向服务为功能基础的，按区域树形分布式并行处理大数据的体系架构。这种体系架构，在极少改变现有数据存储状态下，增加以服务为核心的功能接口为节点，统一协同并行处理大数据，通过大数据处理词义模型包容了多样和复杂大数据现状，对区域中事件概率预测（如犯罪预测）具有重要现实意义，为当前大数据环境下的数据分析提供了有效可行的方法。     

首届四川旅博会经济效益分析

旅博会作为旅游业各界信息互动和贸易交易的平台,在区域社会经济的发展中发挥着十分重要的作用。本文采用投资乘数理论,针对四川旅博会的签约投资项目对该地经济影响展开分析。同时,利用灰色系统理论法对"后旅博会时期"的乐山市未来旅游业的发展构建预测模型,通过对该模型的残差检验、后验差检验和关联度检验,验证该模型具有良好的适用性,可以对未来该地的旅游发展作出较为精准的预测。     

未来五年崇文区犯罪增长趋势预测和行动对策

犯罪增长趋势是由多种原因综合作用的结果。通过分析犯罪增长的相关因素,采用长期趋势预测模型、相关—回归预测模型和德尔菲预测法等三种科学方法对崇文区未来五年犯罪增长趋势进行了初步预测,并提出了主要行动对策。     

刑释解教人员重新犯罪灰色动态预测模型的建立与实证分析

灰色系统理论是一门以＂部分信息已知、部分信息未知＂的＂小样本＂、＂贫信息＂不确定性系统为研究对象,以灰色关联空间为依托、以灰色序列生成为基础、以灰色模型为核心,主要通过对＂部分＂已知信息的生成、开发,提取有价值的信息,实现对系统运行规律的正确描述和有效控制的新兴横断学科。目前重新犯罪预测方法存在过于单一、主观性较强、不易操作等缺点,应建立灰色动态预测模型。     

ARIMA模型在某市刑事类警情预测中的应用

目的:为弥补当前公安情报分析中主要依赖经验分析的不足,对ARIMA模型在刑事类警情预测中的应用展开探讨,为刑事类警情的早期预警提供决策依据。方法:应用ARIMA模型对某市2015年1月至2017年12月刑事类警情数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型。结果:某市刑事类警情整体上呈下降趋势;选取的最优模型ARIMA(0,0,0)(0,1,1)能较好地拟合既往时间段某市刑事类警情的变化;对某市2018年1月的刑事类警情实证预测表明,所选模型的算法拟合度较高,在95%的置信区间之内(预测值290次,真实值315次),模型短期预测效果较为理想。结论:ARIMA模型可以应用于刑事类警情的情报分析与预测,建议在实际应用中应进一步推广。     

BP神经网络股指预测模型

本文通过建立BP神经网络预测模型,对2001年上证指数的周收盘价进行了短期的预测,经过实验比较,发现该模型的收敛速度快,学习能力强,预测精度较高,误差率较小,对股指的短期预测十分有效。     

试论集体效能理论在公安工作中的应用

集体效能理论在公安工作中有广泛的用武之地,主要表现在公安教育培训、公安管理、警察心理健康、招警选拔、犯罪预测、犯罪预防和改造、警察战术等多个方面。同时集体效能理论也有其局限和不足,要探讨和实践出更多切实可行的方法来优化公安工作。     

刑事司法中的人工智能应用

为了促进公共安全和减少犯罪，美国国家司法研究所正努力研究刑事司法和公共安全领域的人工智能应用。主要分为四个领域：一是公共安全录像和图像分析，以提高数据收集、成像、分析的速度、质量和准确性；二是DNA分析，随着精确度提升，DNA混合物的分析也逐渐成为一项挑战性的工作；三是枪击检测，诸多因素都会影响枪击录音的内容和质量，通过使用精确的模型，准确识别枪支；四是犯罪预测，主要应用于裁判建议、预测刑事再犯、识别老龄虐待及潜在受害者。人工智能将可能成为我们刑事司法生态系统的永久组成部分，提供调查协助，帮助刑事司法专业人员更好地维护公共安全。2016年白宫也将人工智能研究和发展作为一项国家战略，人工智能将在方方面面改善我们的生活。     

社会组织强制信息披露制度构建问题研究

社会组织强制信息披露制度构建须遵循四个原则,在遵循比例原则下,通过考察社会公共利益关联度、社会组织信息披露成本、社会公众信息搜寻成本来确定强制信息披露内容;在遵循正当法律程序原则下,以准确、及时、便利原则来建构强制信息披露法律程序;在遵循过罚相当原则下,通过责任行为类型化、责任机制多样化、责任负担合理化来配置强制信息披露法律责任;在遵循激励约束相容原则下,通过树立声誉模型、配置行政奖励、培育竞争机制来建构强制信息披露激励机制。