%0 Journal Article
%T 融合历史犯罪数据的疑犯社会活动位置预测
%A 党兰学
%A 叶信岳
%A 朱欣焰
%A 胡涛
%A 段炼
%J 地球信息科学
%D 2018
%X 摘要： 由于重点跟踪人员（疑犯）的社会活动监控数据可获取性差,难以直接反映疑犯的社会活动时空模式,降低了案情分析和犯罪风险预测的有效性。为此,本文提出了融合犯罪记录的位置预测（Crime Records enhanced Location Prediction,CReLP）模型,将疑犯犯罪记录信息融入协同过滤算法,预测疑犯在未来对任意位置的访问频度。该方法利用张量（Tensor）表达疑犯在不同时段和位置上的访问频度,基于疑犯的犯罪事件数据构建疑犯时空关联度矩阵,利用该矩阵约束正则化的张量分解（Tensor Decomposition）过程,以解算出张量中的缺失值,进而获得各疑犯的潜在时空分布模式。实验采用包含了241个疑犯、1.9万个位置记录的真实疑犯位置数据集进行了模型测试,结果表明本文方法在均方根误差和 top-k 最小搜寻距离2个指标上都超过其他Baseline方法32%~63%和14%~26%,大幅提高了位置时空预测的有效性和健壮性。
%K 时空预测
%K 疑犯位置预测
%K 矩阵分解
%K 张量分解
%K 协同过滤
%U http://www.dqxxkx.cn/CN/10.12082/dqxxkx.2018.180036