基于CNN的突发事件预警系统的设计与实现

摘要

cqvip:为提高城市恐怖威胁突发事件的监测预警效率,设计了一套基于改进型卷积神经网络(CNN)的恐怖威胁预警系统。系统对采集的恐怖威胁突发事件进行威胁度评估。相对于现有文本评估方法,提出结合改进型词频-逆文本频率的卷积神经网络用于评估威胁和监测预警。并通过对研判期间内事件的威胁度分析,划分了恐怖威胁等级。通过数据的可视化实现为相关部门提供监测预警信息。模型对比测试和实际运行结果表明,该系统相比于已有的CNN模型及区域型卷积神经网络(RCNN)模型,综合评估的精确度分别提升了5.4%和3%。