魏新蕾，颜金尧，陈征，石拓

(1.中国传媒大学信息工程学院，北京 100024；2.中国传媒大学媒介音视频重点实验室，北京 100024；3.中国传媒大学网络中心，北京 100024)

基于TPML-WMA算法的犯罪率分布模型分析

魏新蕾1，颜金尧2，陈征3，石拓1

(1.中国传媒大学信息工程学院，北京 100024；2.中国传媒大学媒介音视频重点实验室，北京 100024；3.中国传媒大学网络中心，北京 100024)

犯罪分布预测问题对社会稳定有积极影响，在学术界引起了广泛关注。现有的研究方法并不能很好的适用于本文所用的数据集。因此，本文构建了矢量运动模型，并提出了一种名为TPML-WMA(Transition Probability Matrix Learning and Weighted Moving Average)的新算法，利用此算法去学习转移概率矩阵，然后对得到的矩阵做加权移动处理，进而来预测未来的犯罪率分布。本文所用数据集是中国某市2001年到2011年共11年间盗窃案发生的数据集，在此之上本文建立了VM(Vector Motion)模型，提出了TPML-WMA算法对犯罪率进行预测，并讨论了不同初始条件下算法的性能。本文还将所提出的算法与基于最小二乘法的经典线性回归方法进行比较。拟合的结果表明TPML-WMA模型的预测性能较线性回归模型有了很大提升。

TPML-WMA算法；转移概率矩阵；加权移动平均；犯罪率分布

1 引言

21世纪是计算机科技迅猛发展的时代，公共安全领域的电子数据信息量也随之膨胀，相关犯罪数据的研究也发展起来。犯罪的发生和地理环境因素是分不开的，所以很多基于GIS系统的犯罪分析应运而生[1]。基于地理位置的犯罪分布问题中的经典解决方案就是建立马尔可夫模型，利用转移概率矩阵来预测分布状态。……