论文部分内容阅读
在当前社会安全事件频发的国家和国际形势下,提高社会安全事件应对能力已成为各国政府的迫切需求,利用时空数据关联分析方法对社会安全事件进行关联分析将有效提高事件应对能力。时空关联规则挖掘、时空相关性分析以及可视化分析是时空数据关联分析的主要手段,将时空数据关联分析方法应用到社会安全事件研究领域并结合社会安全事件的属性特征和数据结构特征,实现对社会安全事件内部潜在关联关系以及整体发展趋势的分析与预测,能够有效提高社会安全事件防范与快速响应能力,为人力与资源部署、制定应对措施提供可靠依据。论文利用全球恐怖主义数据库(Global Terrorism Database, GTD)提供的数据,从时空关联规则挖掘、时空相关性分析以及可视化分析三个角度探讨了面向社会安全事件的关联分析方法,用实验验证提出方法的可靠性,并得到有意义结果。论文主要工作和创新点如下：1.分析了社会安全事件的时间特征、空间位置特征和专题属性特征,构建了社会安全事件分析与预测模型,设计了适用于社会安全事件关联分析的事件数据表结构。2.在社会安全事件关联规则挖掘方面,分非时间序列关联规则和时间序列关联规则两部分讨论。非时间序列关联规则挖掘方面,为解决已有方法需用户事先指定挖掘时间区间问题,提出了一种基于传统FP-Growth算法的带时间标识的时空关联规则挖掘方法FP-Growth-T,该方法无需事先指定特定时间区间,可在全时间域内进行挖掘并得到具有时间指向性的关联规则,并通过全球恐怖主义数据库提供的真实数据证实了该方法的有效性;时间序列关联规则挖掘方面,为解决时间谓词制定的模糊性和主观性问题,将时间自相关函数引入时空关联规则挖掘,在对比实验中发现利用时间自相关函数确定时间谓词可以较大幅度地提高关联规则结果的可靠性。3.在社会安全事件相关性分析中,利用空间自相关函数分析社会安全事件的空间分布特征与聚集特性,利用时间自相关函数分析社会安全事件在时间域中的影响范围与传播机制,并利用统计分析的方法对分析结果的正确性进行验证；根据相关性分析得到的结论确定社会安全事件所受到的时空影响因素,构建基于贝叶斯网络的事件预测模型,对事件整体发展趋势进行分析与预测。4.根据社会安全事件的时空可视化特征,探讨了各类视觉变量与表示方法的适用范围与表达特性,研究了事件的空间定位与时间定位可视化方法,利用统计图表和统计专题图对社会安全事件的时空分布特征、属性对比关系以及整体发展特征进行分析表达或引导读者对事件的潜在特性、相互关联以及发展趋势进行分析。