standard download
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210450330.5 (22)申请日 2022.04.27 (71)申请人 浙江网安信创电子技 术有限公司 地址 310000 浙江省杭州市下城区绍兴 路 161号野风现代中心南楼 2501室 (72)发明人 刘晶 唐梓文 王淳 朱昶 (74)专利代理 机构 杭州奇炬知识产权代理事务 所(特殊普通 合伙) 33393 专利代理师 贺心韬 (51)Int.Cl. G06V 40/20(2022.01) G06V 40/16(2022.01) G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/80(2022.01)G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/84(2022.01) G06K 9/62(2022.01) G06N 20/20(2019.01) G06N 5/00(2006.01) G06N 20/10(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (54)发明名称 基于假定评估与贝叶斯学习的潜在突发犯 罪人员识别方法 (57)摘要 本发明公开了基于假定评估与贝叶斯学习 的潜在突发犯罪人员识别方法, 具体涉及图像识 别技术领域, 包括原问题重定义、 设定关键假定、 初始化贝叶斯学习模型中所需的似然概率和先 验概率、 贝 叶斯学习模型构建和训练、 后验概率 大于设定阈值, 将相关信息同步到系统中的其它 平台或组件, 或作为情报信息同步到内网中、 将 数据用以训练、 验证和测试有监督学习模型、 将 构建的有监督学习模型作为辅助的研判模型, 与 根据关键假定评估与贝叶斯学习构建的模型同 时使用。 本发 明通过将关键假定评估与贝叶斯学 习相结合的方法, 以识别意图突发犯罪的潜在人 员, 并进一步与有监督学习模型相结合, 从一定 程度上解决此类突发事 件的预警和研判难题。 权利要求书2页 说明书5页 附图1页 CN 114821785 A 2022.07.29 CN 114821785 A 1.基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法, 其特征在于, 该方法包 括以下步骤: S1: 原问题重定义, 受限于相关信息和平台接入 困难, 为了解决该分析模型构建思路的 问题, 可将原待解决问题转换为 “XXX地方哪些人员不是危险分子? ”, 这样将较为困难的极 端异常预测转换为较为容易的正常行为判别, 由于在特定场景下(比如加油站加油), 因而 可利用视频监控提取的特 征信息或进一 步结合其它信息进行分析模型的构建。 S2: 设定关键假定, 关键假定包括基础关键假定和具体的子关键假定 S3: 依据关键假定, 初始化贝叶斯学习模型中所需的似然概 率和先验概 率。 S4: 贝叶斯学习模型构建和训练 针对需解决的问题和基于关键假定, 将针对行为人的突然袭击概率计算进行分解, 每 一个分解项都会对单人突然袭击后验概率的维持或降低产生影响, 同时, 每个分解项的计 算基于相关传感器对行为人提取的特 征输入。 模型初始设定所有人员实施突然袭击的概率都是99%, 通过新鲜的信息不断输入后, 根据贝叶斯学习原理实时计算 其实施突然袭 击的后验概 率: S5: 若计算后的后验概率大于设定的阀值(如80%), 实施现场预警并将相 关信息同步 到系统中的其它平台或组件, 或作为情报信息同步到内网中, 作为高价值信息利用内网的 其它敏感数据和模型进一 步进行研判和预警等。 S6: 将人工确定核实事件(突然袭击)对应的传感器提取数据以及随机抽取的正常行为 人对应的传感器提取 数据作为重要的数据集, 用以训练、 验证和 测试有监 督学习模型。 S7: 将构建的有监督学习模型作为辅助的研判模型, 与根据关键假定评估与贝叶斯学 习构建的模型同时使用。 2.根据权利要求1所述的基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法, 其特征在于: 上述S2中的关键假定评估是情报分析中解读 证据和相关问题推理的假定的一 种方法。 由于在实际分析工作中, 信息是不完整、 诱导欺骗的, 为了填补信息空白同时划定 分析思路, 必须做出相关假定。 该方法使分析避免常见的思维错误, 如在只有较少 信息时就 过早做出结论、 不考虑信息缺乏或信息欺骗对分析带来的影响, 使分析结论更严谨、 更可 靠。 3.根据权利要求1所述的基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法, 其特征在于: 上述S 3中的贝叶斯学习是利用参数的先验分布, 由样本信息求来的后验分布, 直接求出总体分布。 贝叶斯学习理论使用概率去表示所有形式的不确定性, 通过概率规则 来实现学习和推理过程。 4.根据权利要求1所述的基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法, 其特征在于: 上述S2中的基础关键假定是指所有 人员在依据模型研判前都有实施突然袭击 的可能。 5.根据权利要求1所述的基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法, 其特征在于: 上述S2中的具体的子关键假定需依据具体的场景进行设定和评估, 子关键假权 利 要 求 书 1/2 页 2 CN 114821785 A 2定在初期可依据经验, 但必须经受该场景中实际案例(证据)的考验, 否则 反驳该子关键假 定。 6.根据权利要求1所述的基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法, 其特征在于: 上述S6中的有监督学习模型包括含随机森林、 XGBoost、 支持向量机等统计学 习模型, 也可以是深度学习模型, 也可以根据多子模型构建更为复杂的集成学习模型。权 利 要 求 书 2/2 页 3 CN 114821785 A 3
专利 基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法
文档预览
中文文档
9 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共9页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 人生无常 于
2024-03-18 07:01:45
上传分享
举报
下载
原文档
(680.9 KB)
分享
友情链接
中国联通 量子安全通信技术应用白皮书(2022).pdf
GB-T 24353-2009 风险管理 原则与实施指南.pdf
GM-T 0071-2019 电子文件密码应用指南.pdf
GB-T 39329-2020 增材制造 测试方法 标准测试件精度检验.pdf
南方电网数据资产管理体系白皮书.pdf
GB-T 19710.1-2023 地理信息 元数据 第1部分基础.pdf
YD-T 1731-2008 电信网和互联网灾难备份及恢复实施指南.pdf
智慧水务整体解决方案.pdf
GB-T 41121-2021 玻璃水滑道安全技术要求.pdf
SL-T 798-2020 水利信息产品服务总则.pdf
GB-T 2585-2021 铁路用热轧钢轨.pdf
T-CFA 020101161—2020 铸造高速钢轧辊.pdf
T-CI 017—2023 离子型稀土矿区土壤生态功能恢复技术指南.pdf
T-CESA 1045—2019 智能音箱技术规范.pdf
GB-T 30282-2023 信息安全技术 反垃圾邮件产品技术规范.pdf
DB52-T 1239.2-2017 政府数据 核心元数据 第2部分:法人单位基础数据 贵州省.pdf
GB-T 25745-2010 铸造铝合金热处理.pdf
T-CIE 070—2020 工业级高可靠集成电路评价 第4部分: 非易失性存储器.pdf
T-SDCMIA DD15—2019 中华大蟾蜍养殖技术规范.pdf
GB-T 30991-2014 智能氧弹式热量计通用技术条件.pdf
1
/
3
9
评价文档
赞助2.5元 点击下载(680.9 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。