一种基于多标签组合多分类器的恐怖行为预测方法

摘要

本发明公开了一种基于多标签组合多分类器的恐怖行为预测方法，以多标签决策树和随机游走模型为基分类器，将背景属性信息映射到不同的恐怖行为类别，训练预测模型；利用基分类器预测新数据属于各个恐怖类别的概率；最后将基分类器的输出结果采用加权组合概率函数进行融合，选择预测概率大于阈值的恐怖行为集合作为新数据的预测结果。本发明充分考虑恐怖行为背景数据存在的潜在联系以及单分类器预测精度低的问题，针对恐怖行为背景数据中存在大量不相关与冗余数据，基于邻域粗糙集进行特征选择；考虑同一时刻可能发生多种恐怖行为，并且背景属性、恐怖行为之间可能存在潜在联系，采用单一分类器无法准确地描述这些信息，本发明方法能提高预测精度。