张耀峰 | 基于自激点过程建模与深度学习的犯罪事件智能预测研究

时间:2018-09-05浏览:64设置

报告时间:9月9日10:00-11:00

报告地点:闵行法商南楼135会议室

报告题目:《基于自激点过程建模与深度学习的犯罪事件智能预测研究》

报告人:张耀峰教授

摘要:随着警务信息化的发展,公安大数据平台建设日益完善,为利用大数据技术开展智慧警务研究提供了基础。本报告利用2016-2017年武汉市近30000条入户盗窃的110报警数据,对入户盗窃犯罪行为进行预测研究。报告首先利用基于自激点过程建模的方法,将武汉市特定区域分成小区块,通过计算每个小区块的事件发生密度,预测下一时间段犯罪行为发生的具体地点,预测准确率达36%。接下来,将历史数据“图像化”处理,采用CNN和LSTM等深度学习方法,进一步对该问题进行研究。结果显示,LSTM方法下实际预测准确率大幅提高,达到了60%以上。目前,依托该研究结果,已经申请了国家专利1项,为武汉市公安局大数据实战应用中心开发可视化大屏一块。2018年7月大屏系统上线以来运行良好,目前正以武汉市江汉区为试点区,开展“警情预报”试点工作。

报告人简介:张耀峰,博士,湖北经济学院教授,湖北大学硕士生导师,澳大利亚RMIT University访问学者,湖北数据与分析中心主任、湖北县域减贫与发展研究院常务副院长、中国改革试点探索与评估协同创新中心湖北分中心执行副主任,中国商业统计学会理事、中国现场统计研究会经济与金融统计分会理事,湖北省现场统计研究会常务理事、湖北省统计科学研究项目特邀评审专家、上海数萃大数据学院学术委员会委员,湖北经济学院大数据学院教学指导委员会委员,“泰迪杯”数据挖掘挑战赛组委会委员。主持国家社科基金面上项目、全国统计科学研究重点课题、湖北省自科基金、湖北省社科基金等项目23项,在《Complexity》、《Physica A》《International Journal of Bio-Inspired Computation》、《系统工程理论与实践》等期刊发表科研论文40余篇,出版学术专著2部。研究方向为网络舆情大数据分析、网络数据采集、统计学习方法、社会计算、演化博弈等。














返回原图
/