| 摘要 |
本发明提供一种基于恐怖组织背景知识子空间的恐怖行为预测方法，包括以下步骤：步骤1：背景数据的预处理，背景数据由背景知识和行为知识构成，标记为向量对(CS(g),AS(g))，其中CS(g)=(C1,C2,...,CM)表示背景数据中的背景属性，AS(g)=(A1,A2,...,AN)表示背景数据中涉及的行为属性，为了得到不同行为属性的背景知识子空间，对背景数据进行预处理，形成(CS(g),Ai)的N个数据子集；步骤2：对特定行为属性Ai对应的数据子集的数据记录，提取行为属性Ai的背景知识子空间；步骤3：利用条件概率理论和贝叶斯理论，在背景知识子空间中迭代计算预测结果。本发明的预测方法可避免预测过程中的波动性，同时提高预测算法的预测精度，避免背景数据的高维、小样本的特性对预测造成的影响。 |
| 主权项 |
一种基于恐怖组织背景知识子空间的恐怖行为预测方法，其特征在于，包括以下步骤：步骤1：背景数据的预处理背景数据由背景属性和行为属性构成，标记为向量对(CS(g),AS(g))，其中CS(g)=(C1,C2,...,CM)表示背景数据中的背景属性，AS(g)= (A1,A2,...,AN)表示背景数据中涉及的行为属性，为了得到不同行为属性的背景知识子空间，对背景数据进行预处理，形成(CS(g),Ai)的N个数据子集； 步骤2：提取特定行为属性的背景知识子空间对于行为属性Ai的数据子集的原始数据记录：Ri1,Ri2,…,Rim，提取该行为属性Ai的背景知识子空间；步骤3：利用条件概率理论和贝叶斯理论，在步骤（2）提取的背景知识子空间中进行迭代计算，得到所有行为属性Ai 在N个数据子集下的发生概率，并取其中概率最大的作为预测结果。 |
