基于改进的K-means聚类的学校恐怖袭击风险评估方法

基于改进的K-means聚类算法采用已有的恐怖袭击事件,构建不同袭击手段对不同袭击目标的风险进行评估分级的模型。首先,根据评估需求以及事件特点统计恐怖袭击事件样本数据;其次,针对K-means算法的恐怖袭击风险评估模型的缺陷采取改进方法,对聚类初始点的选择方法进行改良;再次,基于上述改进构建恐怖袭击风险评估模型;最后,选取1970～2019年全球发生的4 606起学校恐怖袭击事件进行风险评估,同时使用轮廓系数进行效果评价,以检验改进模型的有效性。结果提出改进的K-means聚类恐怖主义风险评估模型通过计算轮廓系数评价其聚类效果优于改进之前的恐怖主义风险评估模型,所构建的恐怖主义风险评估模型可以在不依赖于专家打分、确定权重的情况下基于已发生的事件得出较为客观的风险评估结果。     

恐怖袭击事件的防御资源分配问题

在考虑防御资源可能有限的情况下,提出将零和博弈的思想运用于恐怖袭击事件的风险评价问题中.采用定量分析方法,利用目标损失概率模型对各被袭目标的有限资源配置进行决策,分析模型中各关键参数的确定方法,探讨袭击资源、防御资源的最优分配方案.以城市地铁站点为例,对各站点风险等级定性评估,计算和比较不同防御资源下各目标的损失概率,确定有限防御资源下目标资源分配的最优方案,并验证所提出方案的实用性和有效性.     

多目标/多类型恐怖袭击风险评估模型研究

全球恐怖袭击频发,对各国公共安全构成了严重威胁,研究多目标/多类型恐怖袭击风险评估,感知和掌握风险态势具有重要意义。基于K-means++聚类分析算法和Python语言编程建立了多目标/多类型恐怖袭击风险函数模型,利用模型对2002~2016年全球恐怖袭击的数据进行聚类分析,将多目标/多类型恐怖袭击风险划分为5个等级,得到针对公民自身和私有财产采用轰炸/爆炸袭击方式的恐怖袭击风险最高。以2017年的数据测试该模型的泛化能力,测试结果准确率达到了94.44%,并与K-means、BP神经网络和决策树等机器学习模型进行了对比分析。结果表明此模型可为恐怖袭击风险评估和防范策略提供一定的参考。     

自动驾驶算法的异常事件生成系统设计与评估

评价自动驾驶算法对异常交通事件的响应具有重要的应用价值,针对在真实世界中制造异常交通事件存在代价高、风险大等问题,本文提出了一种面向自动驾驶算法评估的异常交通事件生成方法,该方法可以自动生成5类异常交通事件;基于该方法,搭建了一个驾驶策略评估系统,以实现对自动驾驶算法的评估.为验证生成的异常交通事件的有效性,对一种基于深度网络的模仿学习自动驾驶算法进行了评估.实验结果表明,生成的异常交通事件可以更全面地评估自动驾驶算法的性能.      

基于模糊综合评价的全球恐怖袭击事件风险评估及空间特征分析

基于全球恐怖主义数据库,采用模糊综合评价方法对1998—2017年全球恐怖袭击事件的社会危害程度进行风险评估,并利用核密度和标准差椭圆方法对评估结果的空间分布特征进行可视化分析.结果表明,随着危害等级的增加,全球恐怖袭击事件数量逐级降低,Ⅰ ～ Ⅴ级恐怖袭击事件分别占总事件的51.21％,37.99％,9.76％,0....     

海外公民涉恐安全风险评估方法——基于风险管理理论和加权K-means聚类

海外公民安全是中国海外利益安全的主要组成部分,是践行总体国家安全观“以人民安全为宗旨”的具体体现。当前我国公民在海外面临的涉恐安全风险日益加剧,甚至威胁到公民个体的生命安全。因此,提出了一种结合风险管理理论和加权K-means聚类的风险评估方法。其中,利用“袭击发生概率”和“袭击成功率”两个指标来评估风险的“相对可能性”,用“死亡人数”和“受伤人数”两个衡量后果的“相对严重性”,进而构建出海外公民涉恐安全风险评估指标体系和分析模型,通过数据聚类的方式将风险分级,从而对我国海外公民涉恐安全风险进行定量的评估,以期为保护我国海外公民安全提供较为有价值和相对客观的参考建议。     

西班牙发生恐怖袭击事件

<正>8月17日下午,一辆白色厢式货车突然告诉冲向巴塞罗那市中心的历史名胜景区兰布拉斯步行街上的人群,撞倒、撞飞多人。当天夜间,在巴塞罗那以南100多公里处的坎布里尔斯镇又发生一起类似袭击事件。两起事件共造成14名平民死亡、100多人受伤。在恐怖袭击事件发生两天后,极端组织"伊斯兰国"宣称对加泰罗尼亚恐怖袭击事件负责。     

中南半岛恐怖袭击事件时空演变特征分析

 以国际恐怖主义事件数据库等数据源为基础,采用空间统计和核密度分析方法,分析了中南半岛恐怖袭击的时空演变特征,探讨了恐怖袭击目标和方式的转变特征,介绍了中南半岛恐怖袭击事件中的主要恐怖组织。研究表明,中南半岛逐渐成为恐怖组织袭击的重点区域之一,并且采取的方式杀伤性更强,政府应该采取措施预防应对恐怖袭击事件。     

时事概览

<正>巴黎发生严重恐袭俄罗斯称坠毁客机是被炸弹炸毁的11月13日晚,法国首都巴黎同时发生了包括爆炸和枪击在内的多起恐怖袭击,造成至少132人死亡,300余人受伤。法新社报道说,巴黎当晚有七个不同地点几乎同时发生恐怖袭击事件,奥朗德总统在事发现场表示,此次袭击事件的规模"前所未有"。恐袭发生后奥朗德发表电视讲话,宣布法国全境进入紧急状态,关闭边境,并向巴黎地区加派1500名军人。这批部队将增援自《查理周刊》袭击事     

出租车载客热点技术研究

通过挖掘北京市出租车历史轨迹数据,分析出租车载客热点区域,从而为空载行驶的出租车司机提供寻客方向.基于大数据平台的历史轨迹数据预处理,按照数据生成时间对出租车历史数据进行排序,提取历史数据中的所有乘客上车地点;使用聚类算法对提取出的上车地点进行聚类分析,提取乘客频繁出现的区域.以出租车寻找乘客为背景,分别采用基于密度的DBSCAN算法和基于距离的K-means算法对载客点进行聚类.采用聚类算法性能评估中的DB内聚指数对两种算法的聚类效果进行评估,结果显示工作日和非工作日DBSCAN算法聚类结果的内聚效果均优于Kmeans算法.     

基于聚类的恐袭事件嫌疑人与可疑据点预测

针对未知恐袭事件的相关数据,提出一种基于聚类优化的挖掘反恐信息方法,为反恐斗争提供重要情报;首先应用主成分分析对未知恐袭事件提取主要特征,采用"肘部法"选定聚类簇数确定k值,基于K-Means聚类算法对未知恐袭事件进行归类;然后通过非线性规划和聚类优化算法,将恐怖组织据点预测问题转化为无约束最优化问题,进而对恐怖主义组织据点位置进行准确估测,得到了典型事件与嫌疑人的相似度匹配,并用仿真实验推断了ISIL组织近几年在伊拉克进行恐怖袭击的据点位置;结果表明该方法对提前预警恐怖袭击有着一定的意义与价值。     

新形势下我国恐怖袭击应急准备能力评估

为了规范恐怖袭击应急准备工作,提升重点场所应对恐怖袭击的能力,开展一种恐怖袭击应急准备能力评估方法。首先,基于“情景-任务-能力”规划分析理论,德尔菲专家咨询法,构建完成4个一级指标,10个二级指标,49个三级指标的应急准备能力评估指标体系;然后,借助层次分析法对指标赋予权重;最后,以A市某高压变电站为评估对象,开展应急准备能力评估应用。结果表明：该电站的恐怖袭击应急准备能力整体处于良好状态,其中场所防范、监测预警、出警到达、先期打击等指标处于及格状态,存在较大隐患,需要重点关注。     

恐怖网络中基于节点割集分层的组织结构发现方法

“911”等一系列恐怖事件导致越来越多的国家开始重视恐怖组织网络的研究,但社会网络分析中的一些典型度量,如节点的度、介数、接近度等,不能很好地适应具有高度组织性的社会网络.文中针对层次结构性较强的恐怖组织网络,提出了一种新的节点重要性度量,其综合了节点的全局信息与局部信息,利用割集算法对网络节点进行分层获得节点全局信息,局部信息则直接利用了节点的出/入度,并使用BP神经网络方法对综合度量进行参数优化.针对“911”恐怖事件成员网络实际数据的分析结果验证了这种度量的有效性.     

文物保护单位风险评估方法与流程研究

风险管理是安全管理的基础，是组织机构设置、制度建设、设备设施配备的依据。随着我国旅游业飞速发展，对外开放的文物保护单位面临的接待压力陡增，文物保护与开放的矛盾日益凸显，围绕文物的考古发掘、研究、使用、修缮、保养、迁移、利用的全过程安全风险分析与管控研究具有明确的现实意义。本研究首先梳理了文物保护单位风险管理的基本流程，接着对文物保护单位常用的风险矩阵方法和ABC评估方法进行了系统解释。在此基础上，对文物保护单位面临的社会治安、火灾、恐怖袭击、拥挤踩踏、大型活动等常见公共安全风险的风险评估进行了具体分析。最后，提出了适用于文物保护单位的风险评估工作组织实施及风险态势管理流程，为文物保护单位的风险管理提供思路和方法支撑。     

城市设施恐怖袭击风险分析的方法论基础

由于恐怖袭击本质上的高度随机性,很难纯定量地估算概率,恐怖袭击风险的预测和减缓成为安全科学的新课题.本文依据经典的风险理论,探究易受攻击性和损失严重性的概念及其表征参数,并通过易受攻击性和损失严重性等级矩阵确定城市设施遭恐怖袭击的风险水平.分析结果有助于合理配置防卫资源,有效减缓恐怖袭击可能造成的损失影响.     

考虑对象方向关系的密度聚类算法

 聚类分析是数据挖掘的一个重要研究方向.为了在大规模空间数据库中发现任意形状的聚类,Martin Ester等提出基于密度的聚类算法DBSCAN.针对DBSCAN处理聚类边界对象的不足,提出了聚类时考虑对象方向关系的改进算法,实验表明,改进算法在不改变时间、空间复杂度的情况下能得到更好的聚类结果.     

基于自适应DBSCAN的雷达目标跟踪算法

直接对三坐标航管一次雷达点迹录取器中录取到的点迹进行航迹起始、跟踪等处理后,会形成大量虚警,运算量大。进行目标跟踪时,候选点迹集合数量庞大是造成目标跟踪过程运算量大的主要原因。文中基于动态自适应DBSCAN聚类算法,结合经典卡尔曼滤波跟踪算法,提出了动态自适应DBSCAN聚类跟踪混合算法,来减少候选点迹集合数量。实验结果证明,本文提出的算法实现了无效点迹数的减少、航迹质量的提高以及运算时间的下降。通过动态自适应DBSCAN聚类跟踪混合算法,能迅速跟踪到三坐标航管一次雷达探测到的目标并形成目标航迹,可以及时发现黑飞目标,将对正常民航飞机飞行的干扰降到最低。     

分区DBSCAN算法在激光雷达行人检测系统中的应用

摘要 行人检测过程中原始DBSCAN算法不能正确地对密度不均匀的激光点云聚类,产生错误的聚类结果导致行人检测系统出现误检和漏检。为解决这一问题,基于激光雷达的行人检测系统在原始密度聚类算法DBSCAN的基础上提出了分区DBSCAN算法。该算法将密度不均匀的点云数据划分为若干个密度相对均匀的分区,从而能实现对行人的快速准确检测。实验结果表明原始DBSCAN算法行人检测率为62.47%,使用分区DBSCAN算法的激光雷达行人检测系统行人检测率达到82.21%,相对于原始DBSCAN算法检测精度提高了19.74%;而且在时间消耗上也比原始DBSCAN算法降低了16.22%。