贝叶斯理论在反恐情报分类分析中的应用研究
李勇男 中国人民公安大学侦查与反恐怖学院; 北京100038
摘要：【目的】根据反恐情报的特点对朴素贝叶斯分类器进行修改,为反恐情报数据的分类分析提供一种简单实用的方法。【方法】根据反恐情报的特点删除数据噪声,对相关性较大的属性进行归约,对连续属性进行离散化处理;利用预处理后的样本数据计算不同属性的条件概率;基于最大后验假设判定数据分类。【结果】采用调高概率阈值的方式对最后的分类结果进一步筛选,能部分抵消属性相关性对结果的影响,最后只需对敏感等级较高的数据进行人工情报研判,节约人力成本。【局限】本文方法对数据属性的独立性有一定的要求,在实际使用中需要与决策树等其他分类方法组合使用,才能覆盖更多的情报信息,为反恐预警提供参考。【结论】该方法适用于对属性相关性较小的基础数据进行快速分类,为人工情报研判提供参考依据。
来源期刊：数据分析与知识发现
关键词：贝叶斯理论 朴素贝叶斯 最大后验假设 反恐情报 数据挖掘
来源期刊：数据分析与知识发现 2018年第10期
