基于多模块模糊贝叶斯网络的恐怖袭击事件量化分析

作者：林焰; 杜**; 黄紫林; 丁为建

来源：数学的实践与认识, 2019, 49(16): 157-172.

• 恐怖袭击事件
• 危险性分级
• 模糊贝叶斯网络
• FCM聚类分析
• 反恐态势预测

近年来,全球范围内恐怖袭击事件的发生日益频繁,已经成为许多国家和地区所面临的主要安全问题.首先建立了全球恐怖袭击事件危险性分级指标体系,并基于多模块模糊贝叶斯网络来建立一个基于观测事件"后验概率"的推理模型,从而解决信息不确定时恐怖袭击事件的危险性分级.其次,利用FCM聚类模型对恐怖袭击事件的危险度进行聚类分析,从而依据事件特征对犯罪嫌疑人进行准确锁定.然后,建立了贝叶斯网络恐怖活动预测模型,为全球反恐态势提供有效预测,并利用ArcGIS热点图分析各地区恐怖袭击事件的时空特性.最后,基于VAR模型揭示了不同区域之间在恐怖袭击事件发生时跨区域间的相互影响关系,并提出了相应的反恐建议.

• 单位
  华南理工大学; 数学学院; 北京大学