基于模糊综合评价的突发事件分级研究

传统突发事件一般采用主观方法分级,划分标准主要依据人员伤亡与经济损失,难以准确量化分析并形成统一标准。以全球恐怖主义数据库中近20年的恐怖袭击事件为例,依据危害性分两个步骤对恐怖袭击事件进行分级。首先通过线性降维PCA算法对大量数据进行处理,获取与恐怖袭击事件危害性最相关的影响因素,再创建模糊综合评价模型,计算得到该恐怖袭击事件评价级别。该模型充分考虑突发事件的各种复杂因素,可满足突发事件分级要求与级别标准化要求。     

基于熵权灰色关联分析的恐怖袭击危害指标研究

基于恐怖袭击数据,研究恐怖袭击事件危害指标及影响因素。首先对恐怖袭击事件的危害进行定性分析,然后采用基于熵权的灰色关联分析方法进行定量分析,最后对全球恐怖主义数据库（GTD）数据进行研究,获得各危害指标的影响因素权重和危害程度大小排序,形成恐怖袭击事件危害评价指标体系。该成果可为恐怖袭击事件危害评价、预测和预警及制定反恐防控措施和方案提供科学依据。     

基于改进BP神经网络的恐怖袭击事件分级研究

为准确快速地对恐怖袭击事件进行分级,帮助建立恐怖袭击事件应急预案,提出一种基于模糊聚类算法和模拟退火遗传算法优化BP神经网络的恐怖袭击事件分级模型。通过模糊聚类算法划分样本训练集,利用BP神经网络的自学习能力获取输入与输出之间的模糊规则,采用模拟退火遗传算法提高神经网络精度。以GTD数据库样本为例,经实验得到普通BP神经网络的分级正确率为94.32%,模拟退火遗传算法优化的BP神经网络分级正确率可提升到99.88%,验证了基于模糊聚类算法和模拟退火遗传算法优化BP神经网络分级模型的有效性。     

采用深度置信网络的恐怖袭击事件量化分级研究

恐怖袭击不但会造成大量人员伤亡和财产损失,还会造成群众恐慌,对社会稳定有很大影响。旨在从数据分析角度,依据相关数据对恐怖袭击中蕴藏的信息加以分析,为防恐反恐提供有用信息。针对基于危害的恐怖袭击事件分级,根据GTD上1998-2017年数据信息进行数据提取,考虑到很多变量大面积缺失数据,首先对这些变量的重要性作简易评估并进行删减,然后对数据进行清洗和补充,最后根据特征提取和降维后的数据,分出事件对应的恐怖袭击级别。结果表明,深度学习中的深度置信网络（DBN）可以用于提取和减少预处理数据,且DBN可自动实现上述功能,无需太多人为干预。     

基于平衡计分卡和AHM方法的电信企业绩效评价

按照平衡计分卡的财务、客户、内部业务流程和学习与成长四维要求,构建了由主营业务利润率等15个指标组成的评价指标体系与评价模型,运用属性层次模型（Attribute Hierarchical Model,AHM）与Delphi方法相结合对评价模型进行了求解,并对电信营业厅业绩进行了实证分析与评价.分析结果表明：属性层次模型与Delphi方法相结合在电信企业业绩评价中有较好的适用性.     

基于Bert模型对不完整事件日志的多属性修复

流程挖掘是从事件日志中自动构建流程模型,并利用其分析、增强、监测实际的业务流程.然而不完整的事件日志会严重影响流程挖掘的结果.因此,修复事件日志是提高过程挖掘结果准确性的举措之一.现有的修复事件日志技术主要修复事件日志中的缺失活动,很少考虑修复日志中多个缺失的属性.现实中日志除了活动缺失,还存在属性缺失现象.针对此问题,提出了一种基于Bert的神经网络模型,用来修复事件中多个属性的缺失.该方法从数据的角度出发,通过Bert模型的预训练任务学习事件中属性之间的依赖关系,根据属性的前后文信息预测缺失的属性值.最后使用公开可用的真实事件日志对所提出的方法进行实验评估,评估结果表明本文所提出方法可以修复事件日志中多属性的缺失,且验证了该方法的准确性.     

基于GIS的泉州市综合投资环境县际差异比较

基于区域投资理论及泉州市市情、数据源,从经济发展、社会进步、资源环境、市场潜力等方面选择县域综合投资环境33个构成因素设计属性表,在GIS环境通过属性运算生成8个观测指标、28个综合指标构成泉州市县域综合投资环境评价指标集.在指标响应特征分析基础上定义了指标的模糊优越度变换模型,根据因子分析定义指标权系数,基于GIS外模型集成方式提出多维加权评价模型及利用空间统计分析等,对泉州市县域综合投资环境进行时空多尺度集成分析、比较、评价与可视化表达.     

高教教材出版质量评价体系研究

本文应用模糊数学的理论,采用模糊多属性决策的方法,依照出版流程建立高教教材出版质量模糊综合评价体系,提出高教教材出版质量分级评价模型,力求使该评价体系准确、全面反映高教教材出版流程中各方面的质量要求,为评价高教教材出版质量建立科学、合理的依据和方法。     

未来反恐态势预测研究

通过对全球恐怖主义数据库（GTD）进行分析,为未来反恐防恐行动提供有价值的信息支持,提出利用大数据挖掘方法对未来反恐态势进行分析。首先采用N-gram模型对原始数据中的motive属性进行挖掘,分析恐怖袭击事件发生的主要动机。其次通过AR自回归模型,对恐袭造成的死亡人数进行预测。最后通过构建TreeMap图,展示未来全球某些重点地区的反恐态势,从恐怖事件发起动机、死亡人数、重点地区3个方面对未来恐怖袭击进行预测。实验结果显示,采用大数据分析预测精度较高。     

大型体育赛事观众暴力应急预案设计

大型体育赛事观众暴力频发对社会和个人危害很大,有必要建立起大型体育赛事观众暴力应急预案.应急预案设计应包括应急处理的原则,确定事件类型与危害程度分级,组织机构与职责,过程控制常规,后期处置等几个方面.