基于要素分析的入室盗窃空间热点特征挖掘

来源 :中国人民公安大学 | 被引量 : 0次 | 上传用户:mysnake
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在社会繁荣快速推进的背景下,随着智慧警务战略的提出和实施,对犯罪进行精准化打击和防控已经成为公安工作发展的重要方向。犯罪空间热点能够表征犯罪活动在空间上的分布特征模式与聚集规律,挖掘犯罪空间热点的特征及成因可以帮助公安机关提前预防、精准打击犯罪。目前关于犯罪空间热点已开展有大量研究,但大多关注于热点的识别、发现及其成因的解释和分析,缺少对热点内部空间尺度下犯罪活动的特征构成及其形成过程进行深入的分析和挖掘,不能解释热点内部的犯罪模式。本文针对以往研究中存在的不足设计了一个基于语义的方法,将研究视角定位于从犯罪人行为分析角度结合环境结构来挖掘热点的特征,并解释其成因。由此,以案件要素和环境要素作为基本变量,通过构建要素的标签体系,提出基于要素分析的入室盗窃空间热点特征挖掘方法,以挖掘出热点的一些内在特征。本文以北京市2014年入室盗窃案件为例,进行了相应的实证分析实验,包括:(1)通过对入室盗窃空间热点的特征标签量化,从语义的角度对北京市的犯罪热点进行了挖掘和比较分析,结果表明:北京市五个入室盗窃空间热点的环境结构特征存在一定的差异,但对犯罪人的吸引程度相当,只是具体吸引要素不同,犯罪人行为特征方面存在的差异是由犯罪人行为所导致的,表明有的热点的形成可能源于犯罪人在区域内重复作案。(2)基于犯罪活动的时空临近重复原理,分析了热点内的案件构成,比较了热点内犯罪人受经验因素和环境因素的影响程度,结果表明:犯罪时空临近重复效应是北京市五个入室盗窃热点形成的主要原因,且犯罪人受经验因素影响表现较为明显的热点为犯罪人系列作案的可能性较大,受环境因素影响表现较为明显的热点为多个犯罪人到同一区域集中作案的可能性较大。从结果上来看,本文设计的方法能够对犯罪热点进行更为深入的挖掘,得到更为精细化的热点特征,对警务部门开展针对性的犯罪打击和防控有一定的实用价值,能够为犯罪防控、犯罪情报分析提供参考。
其他文献
学位
学位
学位
学位
行人跟踪与再识别技术是计算机视觉领域的重要研究方向。行人跟踪是根据视频初始帧中行人的状态预测其后续运动轨迹;行人再识别是通过技术手段对不同点位行人图像进行相似性度量,判断是否属于同一个人。由于行人姿态多变、环境存在差异,行人跟踪与再识别技术易受遮挡、形变、脱离视野等因素影响,导致算法准确率较低,在实际应用过程中难以满足现实需求。因此,行人跟踪与再识别方法具有一定的研究价值。本文围绕基于孪生神经网络
社区是我国老年人日常居住、活动的主要区域之一,老年人在社区室外活动及出行过程中面临多种威胁其身体健康乃至生命安全的风险,这些风险在时空轨迹上往往表现出一定的异常性,例如,在外出时意外摔倒、走失、因体力不支而被困等。然而,目前专门针对社区老年人异常轨迹预警的相关研究和系统应用极少,因此,本文融合轨迹数据、身份属性数据、天气数据,研究社区老年人异常轨迹预警方法,设计并实现预警系统。本文的研究内容和结果
行人再识别是计算机视觉技术的热点问题之一,主要对不同摄像机点位获取到的图像或视频序列中的行人目标进行检索匹配和同一认定。受光照、复杂背景、遮挡以及行人姿态各异的影响,行人再识别算法在实际应用中存在提取特征鲁棒性较差的问题,导致识别精度较低,难以满足实际应用需求,因此行人再识别受到众多学者的关注。本文围绕基于深度学习的跨域行人再识别方法,在行人检测、行人再识别、人脸识别等方面展开研究。具体工作内容如
目前,互联网中越来越多的数据冗余堆积,严重影响人们获取感兴趣的事件信息,如何利用好海量的数据信息,对其进行抽取识别,挖掘出大量数据背后隐藏的价值,是事件识别领域的研究方向。通过传统的模式识别和机器学习方法来处理突发事件识别,在面对复杂问题时,模型表现能力较为局限,对于深层次事件信息特征的抽取,模型的泛化能力和特征的提取能力受到一定程度的制约。本文针对以上问题,采用深度神经网络作为主要研究手段,开展
网络高速发展,推动社会经济民生高速发展进步,我国已然成为世界上网络建设使用强国。鉴于网络有着高效、互联,使用成本低且网络参与者之间无直接接触等特点,诸如诈骗、盗窃、赌博、贩毒等传统犯罪为降低犯罪成本,提高犯罪收益,并逃避公安机关的侦查打击,逐渐将具体犯罪行为借助网络实施,取代了面对面的直接接触实施。犯罪网络化具有“五C”特点,即隐蔽性特征(Cryptic)、互联性特征(Connected)、复杂性
表情是人类表达情感和进行社交的重要方式,人脸表情自动识别在自动驾驶、辅助医疗、智能控制等人机交互任务中应用广泛。近年来随着深度学习技术的发展,人脸表情识别研究取得了显著的进展,但是现实场景下的人脸表情识别仍然受到遮挡、姿势变化和背景干扰等因素的影响,识别准确率仍有待进一步提高。本文以残差网络为基本架构,引入联合正则化、注意力机制以及二阶池化层等优化措施,改进了人脸表情识别方法,在公开数据集上进行了