期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PCA-XGBoost联合算法的盗窃犯罪预测模型
被引量：
4
1
作者
朱小波
栗赫遥
《计算机应用与软件》
北大核心
2022年第5期98-103,共6页
结合大量犯罪数据特征和行为特征,提出一种PCA-XGBoost联合预测模型。采用PCA算法提取数据集的主要特征;应用XGBoost算法提升预测优化和泛化能力,并通过三种检验方法进行准确率检验。此外,经与XGBoost、CART、RF、NB和LR等分类算法模型...
结合大量犯罪数据特征和行为特征,提出一种PCA-XGBoost联合预测模型。采用PCA算法提取数据集的主要特征;应用XGBoost算法提升预测优化和泛化能力,并通过三种检验方法进行准确率检验。此外,经与XGBoost、CART、RF、NB和LR等分类算法模型的预测结果进行对比,表明PCA-XGBoost联合预测模型对盗窃犯罪数量的预测准确度明显高于其他预测模型,具有较高的应用价值。
展开更多
关键词
PCA-XGBoost算法
盗窃犯罪
预测
预测模型对比分析
在线阅读
下载PDF
职称材料
基于改进PSO-BP神经网络算法在一般盗窃犯罪预测中的应用
被引量：
11
2
作者
朱小波
次晋芳
《计算机应用与软件》
北大核心
2020年第1期37-42,75,共7页
针对BP神经网络对初始权重敏感,容易陷入局部最优解的问题,引入粒子群优化算法(PSO),对网络权重进行全局搜索,同时采用BP神经网络权重更新方法对PSO搜索到的权重和阈值进行进一步的更新,构建改进后的PSO-BP神经网络模型,对一般盗窃犯罪...
针对BP神经网络对初始权重敏感,容易陷入局部最优解的问题,引入粒子群优化算法(PSO),对网络权重进行全局搜索,同时采用BP神经网络权重更新方法对PSO搜索到的权重和阈值进行进一步的更新,构建改进后的PSO-BP神经网络模型,对一般盗窃犯罪数量进行预测。应用美国芝加哥市2015年-2017年盗窃犯罪数据以及总人口数、房价中位数、本科率等11个影响因子数据,对改进前后的模型进行了预测对比实验。结果表明,改进后的PSO-BP神经网络模型成功克服了BP模型的缺陷,相对误差由4.68%降低到1.635%。
展开更多
关键词
BP神经网络
模型
PSO-BP
模型
盗窃犯罪
预测
预测模型对比分析
在线阅读
下载PDF
职称材料
题名
基于PCA-XGBoost联合算法的盗窃犯罪预测模型
被引量：
4
1
作者
朱小波
栗赫遥
机构
上海公安学院治安系
出处
《计算机应用与软件》
北大核心
2022年第5期98-103,共6页
基金
国家留学基金委公派访问学者项目成果(201700930006)。
文摘
结合大量犯罪数据特征和行为特征,提出一种PCA-XGBoost联合预测模型。采用PCA算法提取数据集的主要特征;应用XGBoost算法提升预测优化和泛化能力,并通过三种检验方法进行准确率检验。此外,经与XGBoost、CART、RF、NB和LR等分类算法模型的预测结果进行对比,表明PCA-XGBoost联合预测模型对盗窃犯罪数量的预测准确度明显高于其他预测模型,具有较高的应用价值。
关键词
PCA-XGBoost算法
盗窃犯罪
预测
预测模型对比分析
Keywords
PCA-XGBoost algorithm
Prediction of theft
Comparative analysis of prediction models
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
基于改进PSO-BP神经网络算法在一般盗窃犯罪预测中的应用
被引量：
11
2
作者
朱小波
次晋芳
机构
上海公安学院治安系
出处
《计算机应用与软件》
北大核心
2020年第1期37-42,75,共7页
基金
国家留学基金委公派访问学者项目阶段性成果(201700930006)
文摘
针对BP神经网络对初始权重敏感,容易陷入局部最优解的问题,引入粒子群优化算法(PSO),对网络权重进行全局搜索,同时采用BP神经网络权重更新方法对PSO搜索到的权重和阈值进行进一步的更新,构建改进后的PSO-BP神经网络模型,对一般盗窃犯罪数量进行预测。应用美国芝加哥市2015年-2017年盗窃犯罪数据以及总人口数、房价中位数、本科率等11个影响因子数据,对改进前后的模型进行了预测对比实验。结果表明,改进后的PSO-BP神经网络模型成功克服了BP模型的缺陷,相对误差由4.68%降低到1.635%。
关键词
BP神经网络
模型
PSO-BP
模型
盗窃犯罪
预测
预测模型对比分析
Keywords
BP neural network model
PSO-BP model
Theft crime prediction
Predicting model comparison analysis
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PCA-XGBoost联合算法的盗窃犯罪预测模型
朱小波
栗赫遥
《计算机应用与软件》
北大核心
2022
4
在线阅读
下载PDF
职称材料
2
基于改进PSO-BP神经网络算法在一般盗窃犯罪预测中的应用
朱小波
次晋芳
《计算机应用与软件》
北大核心
2020
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
