一種犯罪嫌疑概率預(yù)測的方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及公安犯罪預(yù)測技術(shù)領(lǐng)域，尤其涉及一種犯罪嫌疑概率預(yù)測的方法和系 統(tǒng)。
【背景技術(shù)】
[0002] 目前，我國正處于公安信息化和"情報(bào)信息主導(dǎo)警務(wù)"深入發(fā)展的關(guān)鍵時(shí)期，在整 個"情報(bào)信息主導(dǎo)警務(wù)"的工作模式中，犯罪情報(bào)的分析及研判為核心，犯罪預(yù)測則為重中 之重。通常，犯罪預(yù)測的研究主要采取實(shí)證的方法，通過調(diào)查、數(shù)據(jù)收集、分析、歸納，得出重 要的相關(guān)因子，從而揭示犯罪發(fā)生的規(guī)律。
[0003] 現(xiàn)有技術(shù)中，國內(nèi)犯罪預(yù)測主要采用數(shù)理分析的方法，包括回歸分析法、灰色系統(tǒng) 理論分析法和最優(yōu)組合分析法等，但這些方法都多數(shù)偏重宏觀預(yù)測領(lǐng)域，未能偏重微觀預(yù) 測領(lǐng)域，無法針對具體人物的信息和行動軌跡給出犯罪類型及其對應(yīng)的概率大小，從而對 民警日常工作缺乏良好的輔助作用。
[0004] 因此，亟需一種犯罪嫌疑概率預(yù)測的方法和，能夠具體涉及到個人，準(zhǔn)確預(yù)測出待 測人員的犯罪類型及犯罪概率，為公安干警重點(diǎn)排查提供現(xiàn)場指導(dǎo)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例所要解決的技術(shù)問題在于，提供一種犯罪嫌疑概率預(yù)測的方法和系 統(tǒng)，能夠準(zhǔn)確預(yù)測出待測人員的犯罪類型及犯罪概率，為公安干警重點(diǎn)排查提供現(xiàn)場指導(dǎo)。
[0006] 為了解決上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種犯罪嫌疑概率預(yù)測的方法，所 述方法包括：
[0007] S1、獲取待測人員的相關(guān)信息，且根據(jù)所述獲取到的待測人員的相關(guān)信息，從預(yù)設(shè) 的信息庫中確定所述待測人員對應(yīng)的前科類型，以及由每一前科類型分別對應(yīng)指定指標(biāo) 篩選出的相關(guān)歷史數(shù)據(jù)；
[0008] S2、確定檢測時(shí)間，并根據(jù)所述確定的每一前科類型分別對應(yīng)指定指標(biāo)篩選出的 相關(guān)歷史數(shù)據(jù)及檢測時(shí)間，給每一前科類型中各指定指標(biāo)均進(jìn)行數(shù)值化賦值；
[0009] S3、設(shè)置特征向量由所述指定指標(biāo)中全部指標(biāo)形成，并根據(jù)所述形成的特征向量 以及每一前科類型中各指定指標(biāo)對應(yīng)的賦值，得到每一前科類型的訓(xùn)練樣本庫；
[0010] S4、將所述得到的每一前科類型的訓(xùn)練樣本庫的分類屬性均劃分為1和0,并對每 一前科類型對應(yīng)訓(xùn)練樣本庫中分類屬性均為1時(shí)的類別概率分別采用logistic回歸模型進(jìn) 行擬合，獲得所述待測人員對應(yīng)各前科類型的犯罪概率;其中，所述分類屬性為1時(shí)表示犯 罪，所述分類屬性為〇時(shí)表示不犯罪。
[0011] 其中，所述步驟S1中的"待測人員的相關(guān)信息"具體包括待測人員的文化程度、從 事職業(yè)、民族、年齡、婚姻狀況和身高。
[0012] 其中，所述步驟S2具體包括：
[0013] 當(dāng)給每一前科類型中指定指標(biāo)為前科次數(shù)進(jìn)行數(shù)值化賦值時(shí)，計(jì)算出各前科類型 中每一前科次數(shù)距離所述檢測時(shí)間的間隔時(shí)長，并根據(jù)所述計(jì)算出的各前科類型中每一前 科次數(shù)距離所述檢測時(shí)間的間隔時(shí)長，獲得各前科類型中每一前科次數(shù)分別對應(yīng)的初始賦 值；
[0014] 當(dāng)所述前科次數(shù)為1時(shí)，將所述獲得的各前科類型中前科次數(shù)為1時(shí)對應(yīng)的初始賦 值作為其對應(yīng)前科次數(shù)的最終賦值；
[0015] 當(dāng)所述前科次數(shù)大于1時(shí)，將同一前科類型中所述獲得的每一前科次數(shù)分別對應(yīng) 的初始賦值進(jìn)行累加，并根據(jù)同一前科類型中所述每一前科次數(shù)分別對應(yīng)的初始賦值進(jìn)行 累加后的值，得到各前科類型分別對應(yīng)前科次數(shù)的最終賦值。
[0016] 其中，所述步驟S2具體還包括：
[0017] 當(dāng)給每一前科類型中指定指標(biāo)為高危時(shí)段上網(wǎng)次數(shù)進(jìn)行數(shù)值化賦值時(shí)，確定所述 檢測時(shí)間的具體時(shí)段，并統(tǒng)計(jì)出在所述具體時(shí)段下各前科類型分別對應(yīng)犯罪分子上網(wǎng)的比 例及正常非犯罪人員上網(wǎng)的比例；
[0018] 根據(jù)所述統(tǒng)計(jì)出的各前科類型分別對應(yīng)犯罪分子上網(wǎng)的比例及正常非犯罪人員 上網(wǎng)的比例，得到各前科類型中高危時(shí)段上網(wǎng)次數(shù)對應(yīng)的最終賦值。
[0019] 其中，所述步驟S2具體還包括：
[0020] 當(dāng)給每一前科類型中指定指標(biāo)為高危時(shí)段入住次數(shù)進(jìn)行數(shù)值化賦值時(shí)，確定所述 檢測時(shí)間的具體時(shí)段，并統(tǒng)計(jì)出在所述具體時(shí)段下各前科類型分別對應(yīng)犯罪分子入住的比 例及正常非犯罪人員入住的比例；
[0021] 根據(jù)所述統(tǒng)計(jì)出的各前科類型分別對應(yīng)犯罪分子入住的比例及正常非犯罪人員 入住的比例，得到各前科類型中高危時(shí)段入住次數(shù)對應(yīng)的最終賦值。
[0022]其中，所述方法進(jìn)一步包括：
[0023] 在所述獲得的待測人員對應(yīng)各前科類型的犯罪概率上，分別對應(yīng)賦予加權(quán)因子， 并計(jì)算出賦予加權(quán)因子后各前科類型的犯罪概率進(jìn)行累加的值，且進(jìn)一步將所述計(jì)算出的 累加值作為所述待測人員的綜合犯罪指標(biāo)。
[0024] 本發(fā)明實(shí)施例還提供了一種犯罪嫌疑概率預(yù)測的系統(tǒng)，所述系統(tǒng)包括：
[0025] 歷史數(shù)據(jù)獲取單元，用于獲取待測人員的相關(guān)信息，且根據(jù)所述獲取到的待測人 員的相關(guān)信息，從預(yù)設(shè)的信息庫中確定所述待測人員對應(yīng)的前科類型，以及由每一前科類 型分別對應(yīng)指定指標(biāo)篩選出的相關(guān)歷史數(shù)據(jù)；
[0026] 歷史數(shù)據(jù)賦值單元，用于確定檢測時(shí)間，并根據(jù)所述確定的每一前科類型分別對 應(yīng)指定指標(biāo)篩選出的相關(guān)歷史數(shù)據(jù)及檢測時(shí)間，給每一前科類型中各指定指標(biāo)均進(jìn)行數(shù)值 化賦值；
[0027] 訓(xùn)練樣本庫形成單元，用于設(shè)置特征向量由所述指定指標(biāo)中全部指標(biāo)形成，并根 據(jù)所述形成的特征向量以及每一前科類型中各指定指標(biāo)對應(yīng)的賦值，得到每一前科類型的 訓(xùn)練樣本庫；
[0028] 犯罪概率預(yù)測單元，用于將所述得到的每一前科類型的訓(xùn)練樣本庫的分類屬性均 劃分為1和〇,并對每一前科類型對應(yīng)訓(xùn)練樣本庫中分類屬性均為1時(shí)的類別概率分別采用 logistic回歸模型進(jìn)行擬合，獲得所述待測人員對應(yīng)各前科類型的犯罪概率;其中，所述分 類屬性為1時(shí)表示犯罪，所述分類屬性為〇時(shí)表示不犯罪。
[0029] 其中，所述歷史數(shù)據(jù)賦值單元包括：
[0030] 前科次數(shù)賦值模塊，用于當(dāng)給每一前科類型中指定指標(biāo)為前科次數(shù)進(jìn)行數(shù)值化賦 值時(shí)，計(jì)算出各前科類型中每一前科次數(shù)距離所述檢測時(shí)間的間隔時(shí)長，并根據(jù)所述計(jì)算 出的各前科類型中每一前科次數(shù)距離所述檢測時(shí)間的間隔時(shí)長，獲得各前科類型中每一前 科次數(shù)分別對應(yīng)的初始賦值；
[0031] 當(dāng)所述前科次數(shù)為1時(shí)，將所述獲得的各前科類型中前科次數(shù)為1時(shí)對應(yīng)的初始賦 值作為其對應(yīng)前科次數(shù)的最終賦值；
[0032] 當(dāng)所述前科次數(shù)大于1時(shí)，將同一前科類型中所述獲得的每一前科次數(shù)分別對應(yīng) 的初始賦值進(jìn)行累加，并根據(jù)同一前科類型中所述每一前科次數(shù)分別對應(yīng)的初始賦值進(jìn)行 累加后的值，得到各前科類型分別對應(yīng)前科次數(shù)的最終賦值。
[0033] 其中，所述歷史數(shù)據(jù)賦值單元還包括：
[0034] 高危時(shí)段上網(wǎng)次數(shù)賦值模塊，用于當(dāng)給每一前科類型中指定指標(biāo)為高危時(shí)段上網(wǎng) 次數(shù)進(jìn)行數(shù)值化賦值時(shí)，確定所述檢測時(shí)間的具體時(shí)段，并統(tǒng)計(jì)出在所述具體時(shí)段下各前 科類型分別對應(yīng)犯罪分子上網(wǎng)的比例及正常非犯罪人員上網(wǎng)的比例；
[0035] 根據(jù)所述統(tǒng)計(jì)出的各前科類型分別對應(yīng)犯罪分子上網(wǎng)的比例及正