基于多模态信息特征融合的犯罪预测算法研究

摘要

近年来,对犯罪预测方法进行了很多研究,这些方法在犯罪预测中存在高度非线性关系、冗余和多个数据集之间的依赖关系等问题.为了提高犯罪预测模型正确率,设计一种多模态信息特征融合的犯罪预测算法.将空间、时间、环境和上下文信息特征融合提高群集聚类正确率,充分利用特征目标函数计算逻辑损失,从而提高全局特征的正确率和局部特征的精确率.实验结果表明,在不同比例数据训练集条件下,该算法比现有方法的正确率和精确率分别提高了约12％和4％.