恐怖袭击事件记录数据的量化分析研究

基于GTD全球恐怖主义数据库,共研究四个方面的问题:对恐怖袭击事件分级,识别恐怖袭击事件制造者,分析未来反恐态势以及各个地区反恐应急能力.首先,建立了恐怖袭击事件危害性评价体系,运用层次分析法确定了指标权重,将危害程度分成了1-5等级;其次,采用基于遗传模拟退火算法的聚类算法,对选出的代表事件进行排序,基于灰色关联分析,分析了各聚类中心事件与要求事件的关联程度.再次,对近三年的恐怖袭击事件进行分类与预测分析.最后,通过建立模型,量化了恐怖组织单次恐怖袭击水平与地区反恐应急能力.结果表明:选取了近十年来十大恐怖事件大部分为国际恐怖事件,恐怖袭击事件与相关袭击事件制造者相关程度较高,全球恐怖袭击事件数量有所下降,应急能力最强的地区为西欧,最弱的为中亚,且恐怖袭击次数与反恐应急能力处于较强关联性.     

基于多模块模糊贝叶斯网络的恐怖袭击事件量化分析

近年来,全球范围内恐怖袭击事件的发生日益频繁,已经成为许多国家和地区所面临的主要安全问题.首先建立了全球恐怖袭击事件危险性分级指标体系,并基于多模块模糊贝叶斯网络来建立一个基于观测事件"后验概率"的推理模型,从而解决信息不确定时恐怖袭击事件的危险性分级.其次,利用FCM聚类模型对恐怖袭击事件的危险度进行聚类分析,从而依据事件特征对犯罪嫌疑人进行准确锁定.然后,建立了贝叶斯网络恐怖活动预测模型,为全球反恐态势提供有效预测,并利用ArcGIS热点图分析各地区恐怖袭击事件的时空特性.最后,基于VAR模型揭示了不同区域之间在恐怖袭击事件发生时跨区域间的相互影响关系,并提出了相应的反恐建议.     

基于灰色理论的恐怖袭击事件预测与分析

鉴于恐怖袭击事件的破坏性和危害性,对恐怖袭击事件进行分析和预测能够为相关部门组织反恐行动提供有效的理论支持,基于恐怖袭击事件发生的时间和地区因素,分析恐怖袭击事件的时空特性,建立了基于灰色理论的恐怖袭击事件预测模型,并根据恐袭事件季度性的特点,分季度对建立的模型进行了案例分析,通过计算和Matlab仿真证实了该模型的可行性,对反恐措施的制定具有一定的参考和指导意义.     

对恐怖袭击事件记录数据的量化分析与研究

恐怖主义是人类的共同威胁,利用数据挖掘可以为反恐防恐提供有价值的信息支持.基于数据挖掘的思路,从恐怖袭击事件中提取能描述危险程度的特征属性,构建量化分级模型,并考虑准确率评价指标进行优化.通过组内平方和法分析改进高斯混合模型(GMM),对恐怖组织进行聚类分析,侦查出潜在最相关的嫌疑人.建立相关模型结合统计分析,得到恐怖袭击发生的主要原因、时空特性和蔓延特性,并对未来全球反恐态势进行预测,帮助反恐组织提高反恐的精准性和打击能力.     

对恐怖袭击事件记录数据的量化分析

近年来,恐怖袭击愈演愈烈,合理分析判断恐怖袭击事件对于预防应急和安全救治可以发挥重大作用.根据用特征选择方法筛选出的主要属性,结合求出的属性权重构建了线性函数模型,以量化求出恐怖袭击事件的危害值,并以此构建恐怖袭击事件的量化分级模型.同时,还利用数据分析方法对恐怖袭击事件和反恐态势进行了分析.     

恐怖袭击事件的量化分析

首先基于近20年的全球恐怖主义数据库采用主成分分析和模糊综合评价模型对恐怖袭击事件的危害程度进行评价,对比分析后选取其中较优者即主成分分析模型作为评价结果,接着用极差等间隔分级法和剔除极端事件后极差平均间隔分级法对恐怖袭击的危害程度从高到低分为一至五级,综合比较后选取极差平均间隔分级法对其危害等级进行划分,该划分方法危害等级越小事件危害性越大.同时选取中国、美国、英国、印度、南非、澳大利亚6个典型国家,结合主成分综合评价值对其国家安全度进行定量评价.该评价及等级划分方法适用于对全球恐怖袭击事件进行危害评价及分级,同时可对任意国家的安全度进行评价.最后采用经纬度距离近似公式建立最短距离无约束最优化模型,给出反恐基地设置建议,可确定局部地区如中东地区的反恐基地位置.     

对恐怖袭击事件的多元统计分析

恐怖袭击威胁人类社会安全.选取全球恐怖主义数据库(Global Terrorism Database,GTD)中2015-2017年世界上发生的恐怖袭击事件的记录,根据相关性对2015-2016年未知作案组织或个人对应的事件数据进行整合简化,使用二阶聚类得到最大分类数,根据危害性从大到小选出前5个犯罪嫌疑人,利用判别分析对2017年未知作案组织或个人对应的事件进行概率预测,得出嫌疑人的嫌疑程度.选取影响恐怖袭击的重要指标,应用因子分析研究2015-2017年恐怖袭击事件发生规律,得到恐怖事件地域发展趋势.     

基于小波变换和矢量量化的人脸图像压缩

提出一种新的在小波域内进行矢量量化的算法.该算法在对图像进行多级小波变换后,构造三个方向的跨频带矢量,同时采用分类矢量量化,非线性插补矢量量化和基于人眼视觉特性的加权矢量量化,提高了图像的编码效率和重构质量.仿真结果表明,该算法实现简单,在较低的编码率下,可达到较好的压缩效果.     

基于WSD算法的水资源调度综合策略

为更好地解决水资源短缺的问题,逐层深入构建了预测模型、量化模型和调度决策模型。首先,利用改进的灰色预测方法分别建立可用水资源储量预测模型和水资源需求预测模型,结合实际情况,得到水资源调度、去盐碱化技术等单位成本的量化方法;然后,利用新提出的WSD算法以及AHP方法,从经济、环境以及自然3方面进行综合分析,建立了适应各地区实际情况的可持续发展水战略;最后,基于提出的模型和算法进行仿真,得出了一套解决2025年中国各地区水资源短缺问题的可行的水资源调度方案。     

基于FHW的火箭发动机环境载荷评估

针对固体火箭发动机环境载荷的诸多不确定性,提出了环境载荷FHW量化评估算法.对比分析了火箭发动机的典型环境条件及其影响,采用熵值法确定了指标权重,基于FHW方法建立了火箭发动机的环境载荷评估模型,根据环境因素的分布特征给出评估指标的隶属函数,并获取其相应的灰色关联系数.算例验证了不同环境载荷因素对火箭发动机的影响程度,结果表明FHW评估策略和算法简单易行、精度高,在装备环境载荷量化评估中具有参考和应用价值.     

Functional Data Analysis of Tree Data Objects

Data analysis on non-Euclidean spaces, such as tree spaces, can be challenging. The main contribution of this article is establishment of a connection between tree-data spaces and the well-developed area of functional data analysis (FDA), where the data objects are curves. This connection comes through two tree representation approaches, the Dyck path representation and the branch length representation. These representations of trees in the Euclidean spaces enable us to exploit the power of FDA to explore statistical properties of tree data objects. A major challenge in the analysis is the sparsity of tree branches in a sample of trees. We overcome this issue by using a tree-pruning technique that focuses the analysis on important underlying population structures. This method parallels scale-space analysis in the sense that it reveals statistical properties of tree-structured data over a range of scales. The effectiveness of these new approaches is demonstrated by some novel results obtained in the analysis of brain-artery trees. The scale-space analysis reveals a deeper relationship between structure and age. These methods are the first to find a statistically significant gender difference. Supplementary materials for this article are available online.     

m-相依样本基于核实数据下的均值估计

考虑m-相依样本数据,同时带有误差观测情况下的总体均值估计问题,利用核实数据构造总体均值的核函数估计量,获得了与独立同分情形下相同的结论.     

数据预处理对替代数据检验方法的影响

替代数据检验法是检验时间序列中是否存在确定性非线性成分的重要统计方法.通过研究差分和数据平滑运算对替代数据检验方法的影响,指出常用的线性滤波等数据预处理步骤破坏了序列的静态性质,从而会导致对零假设的错误拒绝.因此,建议应该直接利用原始时间序列而非应用了差分等非静态滤波运算后的时间序列生成替代数据,再进行假设检验,以免造成对零假设的错误拒绝.     

数据挖掘中数据排序及其应用

本文从统计学的角度对事务性数据库进行了描述,提出了加权构造综合属性函数方法,对事务项进行了排序分析,并用该方法对某些区中国移动手机用户的消费情况进行了综合评价,得到了许多有意义的结果。     

On the Use of Ordinal Data in Data Envelopment Analysis

In many problems involving efficiency analysis using DEA, certain factors may be measurable only on an ordinal scale. Specifically, it may be possible only to rank order the DMUs according to a factor, rather than being able to assign a specific numerical value of that factor to each DMU. To illustrate this, we examine a problem involving the evaluation of new technology installations. The presence of qualitative factors in such an environment motivates the need to investigate how such factors can be incorporated into existing efficiency measurement models. In particular, a procedure is presented for incorporating an ordinal factor into the DEA structure, with the resulting formulation being a particular form of cone ratio model. The model is then applied to the technology installation efficiency problem.     

Cross-Validating Non-Gaussian Data

Abstract

This article describes an appropriate way of implementing the generalized cross-validation method and some other least-squares-based smoothing parameter selection methods in penalized likelihood regression problems, and explains the rationales behind it. Simulations of limited scale are conducted to back up the semitheoretical analysis.