面对新发重大卫生事件，必须充分认识事件的“态”，通过科学手段及个人或集体的洞察力充分预测未来的“势”，并在此基础上做出决策。本章以美国新冠肺炎疫情为研究对象，进行疫情/舆情的发展态势分析、疫情防控与人口迁徙关联分析、多准则条件下的疫情风险评估和基于SIR模型的疫情传播分析。......
2023-06-15
提取犯罪事件时空关联规则
【摘要】：对盗窃犯罪案件类别、时间段、网格编号等属性信息，选择合适的支持度和置信度阈值，进行关联规则挖掘。按照关联规则长度为3，提升度大于1.2的原则进行筛选，得到共计68条强关联规则。通过分析得到的强关联规则，推出犯罪类型、网格号与时间段这三个案件属性之间所存在的关联关系，进而推测盗窃犯罪的时空规律。
对盗窃犯罪案件类别、时间段、网格编号等属性信息，选择合适的支持度和置信度阈值，进行关联规则挖掘。由于数据量过于庞大，为提取出有意义的强关联规则，设置最小支持度为0.0007，最小置信度为0.2，计算提取满足最小支持度与最小置信度的强关联规则集。按照关联规则长度为3，提升度大于1.2的原则进行筛选，得到共计68条强关联规则。0～6时间段，由于案发数目相对而言较少，规则由于支持度较小被淹没，仅有6条强关联规则，6～12时间段对应9条强关联规则，12～18时间段对应27条强关联规则，18～24时间段对应26条强关联规则。通过分析得到的强关联规则，推出犯罪类型、网格号与时间段这三个案件属性之间所存在的关联关系，进而推测盗窃犯罪的时空规律。部分强关联规则见表6.3，以关联规则“{案件类别＝轻型犯罪，地理格网＝120}＝＞{时间段＝6＿12}”为例，在这条记录中，规则前项是{案件类别＝轻型犯罪，地理格网＝120}，规则后项是{时间段＝6＿12}，表示在网格编号为120的区域，在6＿12时间段最有可能发生轻型犯罪。
表6.3 部分强关联规则
使用聚类方法将强规则分组，若规则前项和后项统计上是相似的则被归为一类，实现强关联规则基于矩阵的可视化，如图6.18所示。横坐标为关联规则前项的数目，纵坐标为关联规则后项，圆圈的颜色深浅表示提升度的大小，圆圈的大小表示聚合后的规则支持度相对大小。可以发现，在12～18时间段的强关联规则在数量、支持度和置信度方面更为均衡，其时空关联性更为显著，且出现多个小的聚类中心，更有助于相关部门在关键时段和关键区域进行警力重点配置。
有关应急大数据的空间分析与多因素关联挖掘的文章
- 详细阅读
-
关联规则分类算法优化技巧详细阅读
如果后件“C”只有类别值，自然可以想到使用此规则进行分类。典型的关联规则分类算法有CBA、CMAR和CPAR[99]。CBA是由Liu B等人提出的，是最早的也是最简单的关联规则分类算法[99]。在一些典型的分类数据集的测试中，CBA算法的实验精度高于C 4.5。但与CMAR不同的是，CPAR只选择每组中的“最好的”K个规则进行分类计算。可见，关联规则分类算法是一类基于规则的算法，其基础是频繁项目的与运算。......
2023-06-16
-
医药数据关联规则分析：探讨详细阅读
通过方剂数据的预处理和关联分析，挖掘出基层知名老中医马祥治疗慢性胃炎处方的药对、药组和药四对。现有寒症诊断决策原始数据集，可利用关联规则分析哪些临床表现的组合会导致不同的诊断结果。例如，现有如下中医药治疗胰腺癌的处方数据，可进行关联规则分析用药规律。表2-6癫痫用药根据眼科诊疗数据，可挖掘H52.0远视、H52.2散光、H52.4老光之间的关联情况。......
2023-11-08
-
犯罪时空属性的数据筛选技巧详细阅读
研究数据为美国纽约市犯罪数据，含110609条犯罪记录，包含案发时间、案发地经纬度、隶属街区和警局区域等信息，作如下处理:①删除位置属性、时间属性、事故描述属性缺失的数据行；②从日期字段中，提取年份、月份、日期、小时、工作日以及天数，在时间属性信息的选取上，多次试验后选择小时和天数这两个信息。......
2023-06-15
-
应急大数据时空关联性分析详细阅读
社会安全事件分析也是时空关联性分析广泛应用的领域。闫密巧等提出了一种基于聚类的时空关联规则的公交犯罪挖掘算法，针对某市一个区的110报警数据库中的大量业务信息进行分析。叶文菁、吴升文则引入加权时空关联规则进行挖掘分析，试图找出公交扒窃的案发时空规律与时空犯罪模式。......
2023-06-15
-
医药领域的关联规则挖掘详细阅读
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系。在单维的关联规则中，只涉及数据的一个维，如用户购买的物品。检查冗余的多层关联规则：挖掘多层关联规则时，由于项间的“祖先”关系，有些发现的规则将是冗余的。挖掘多维关联规则的技术。......
2023-11-08
-
关联规则计算方法详解详细阅读
，xm}是一组称为项的元素的集合，集合XI称为项集。关联规则是一个表达式X→Y，其中X和Y是项集且不相交，即X，YI，其中N∩Y＝。为了生成频繁且高置信度的关联规则，首先要枚举所有的频繁项及其支持度。给定数据集D和用户自定义的支持度阈值minsup；其次，给定频繁项集的集合F和最小置信度minconf，关联规则挖掘的任务是找出所有频繁且置信度高的规则。......
2023-06-15
-
经典挖掘算法Apriori与关联规则详细阅读
Apriori算法[3]是单维、单层、布尔关联规则挖掘算法，是最简单形式的关联规则挖掘。该算法是挖掘产生布尔关联规则频繁项目集的经典算法，对关联规则挖掘研究有着重要影响。图2.3Apriori-gen算法Apriori算法调用Apriori-gen，生成所有频繁项集，如图2.4所示。Apriori算法假定数据库驻留在内存中。Apriori算法之后，学者们不断研究其改进算法及其他思想的关联规则挖掘算法，取得了很多成果。图2.4Apriori算法图2.5找出频繁项集L后生成关联规则算法......
2023-06-16
相关推荐