| 基于ARIMA-LSSVM混合模型的犯罪时间序列预测 |
| |
| 引用本文： | 涂小萌,陈强国. 基于ARIMA-LSSVM混合模型的犯罪时间序列预测[J]. 电子技术应用, 2015, 41(2) |
| |
| 作者姓名： | 涂小萌 陈强国 |
| |
| 作者单位： | 武汉大学计算机学院国家多媒体软件工程研究中心,湖北武汉,430072 |
| |
| 基金项目： | 湖北省重大科技创新计划项目 |
| |
| 摘 要： | 对犯罪时间序列的预测对帮助公安部门更好地掌握犯罪动态,实现智能犯罪发现具有重大意义。针对犯罪时间序列预测的计算需求,结合真实犯罪数据集,提出了ARIMA-LSSVM混合模型。该模型通过ARIMA预测出时间序列的线性部分,通过PSO优化的LSSVM模型预测非线性部分,以对序列进行充分拟合,最后通过混合算法计算最终结果。使用此混合模型达到了精准的预测效果,证明了模型的有效性。
|
| 关 键 词： | 犯罪时间序列 相空间重构 滑动自回归平均模型 后向传播神经网络 PSO-LSSVM |
A hybrid ARIMA-LSSVM model for crime time series forecast |
| |
| Tu Xiaomeng,Chen Qiangguo. A hybrid ARIMA-LSSVM model for crime time series forecast[J]. Application of Electronic Technique, 2015, 41(2) |
| |
| Authors: | Tu Xiaomeng Chen Qiangguo |
| |
| Abstract: | |
| |
| Keywords: | crime time series phase space reconstruction(PSR) autoregressive integrated moving average(ARIMA) back propagation neural network(BP) PSO-LSSVM |
| 本文献已被 万方数据 等数据库收录！ |
