1.一種融合多種數(shù)據(jù)挖掘技術(shù)的恐怖襲擊事件評(píng)估決策方法，其特征在于，包括以下步驟：

(1)利用熵權(quán)評(píng)價(jià)法計(jì)算每條恐怖襲擊事件的危害程度進(jìn)而對(duì)恐怖襲擊事件進(jìn)行量化分級(jí)；

(2)通過K均值聚類算法找出多條作案者信息的簇中心進(jìn)而得出恐怖分子關(guān)于典型事件的嫌疑度，實(shí)現(xiàn)對(duì)危害性較高的組織予以精準(zhǔn)防范和打擊；

(3)以已發(fā)生的恐怖襲擊事件數(shù)據(jù)作為樣本，利用多元線性回歸模型分析攻擊類型、目標(biāo)類型、武器類型等的變化趨勢(shì)以反映地區(qū)反恐整體態(tài)勢(shì)建立恐怖襲擊事件發(fā)展態(tài)勢(shì)評(píng)估模型；所述恐怖襲擊事件發(fā)展態(tài)勢(shì)評(píng)估模型包含恐怖襲擊事件爆發(fā)頻次的預(yù)測(cè)模型、恐怖襲擊事件空間分布分析模型；

(4)利用詞頻-逆文檔算法對(duì)三年內(nèi)所有事件的事件摘要進(jìn)行詞頻重要性統(tǒng)計(jì)，從而提取與反恐事件相關(guān)的關(guān)鍵詞，繼而分析恐怖事件的主要原因；

所述步驟(1)包括以下步驟：

(11)將每條恐怖襲擊記錄稱為一個(gè)評(píng)價(jià)對(duì)象，每一個(gè)對(duì)象的屬性稱為決策因子，由評(píng)價(jià)對(duì)象組成一個(gè)危害性樣本矩陣R′為

R′＝(r′_ij)_m×n????????(1)

其中，r′_ij為第j個(gè)評(píng)價(jià)對(duì)象的i個(gè)決策因子的數(shù)據(jù)，m和分別為n決策因子和評(píng)價(jià)對(duì)象的個(gè)數(shù)；

(12)對(duì)危害性樣本矩陣R′進(jìn)行標(biāo)準(zhǔn)化處理，并進(jìn)行求熵的計(jì)算，得到樣本矩陣中指標(biāo)i的信息熵H_i為

其中，當(dāng)f_ij＝0時(shí)，令f_ij?ln?f_ij＝0；

(13)求出各評(píng)價(jià)對(duì)象的決策因子所對(duì)應(yīng)的熵權(quán)大小w_i為：

危險(xiǎn)性指標(biāo)向量W為：

W＝(w₁,w₂,...,w_s,...,w_i)^T????(5)

(14)以加權(quán)求和的方法量化不同恐怖襲擊事件的危害性大小，建立恐怖事件危害程度計(jì)算模型如下：

其中，T_j為第j個(gè)評(píng)價(jià)對(duì)象的危害程度,w_ir_ij表示第j個(gè)評(píng)價(jià)對(duì)象在第i個(gè)決策因子上的貢獻(xiàn)程度；

所述步驟(2)包括以下步驟：

(21)依據(jù)輪廓系數(shù)評(píng)估方法選出合適的聚類數(shù)目，將恐怖襲擊事件分為一些不同的簇類，同時(shí)考慮簇內(nèi)部的相似關(guān)系，選擇簇中心點(diǎn)作案者代表簇內(nèi)部所有事件的作案者，若簇中心點(diǎn)無(wú)作案者，則計(jì)算歐式距離選擇離中心點(diǎn)最近且有作案者的點(diǎn)代替中心點(diǎn)；

(22)對(duì)每個(gè)簇篩選出的作案者依據(jù)作案次數(shù)和案件的危險(xiǎn)程度選出危險(xiǎn)性程度不同的作案者，把作案者制造的恐怖事件記錄和典型事件看成兩組多維向量，進(jìn)而依靠用VSM相似度計(jì)算模型確定各嫌疑者與該案件的相關(guān)性，即嫌疑度：

其中，表示典型襲擊事件中的任意一起的特征向量，記為事件1，表示危害性最高的五個(gè)恐怖組織作案的典型事件特征向量，記為事件2，余弦值越小說明這兩起事件相關(guān)性較低，反之相關(guān)性高，即相關(guān)性越高，嫌疑度也越高；

步驟(3)所述的恐怖襲擊事件爆發(fā)頻次的預(yù)測(cè)模型為：

Fre_t＝α₀+α₁x_1(t-12)+…+α₂x_2(t-24)??????(12)

其中，t表示時(shí)刻，t取區(qū)間[1,36]內(nèi)的整數(shù)，但為了避免0和負(fù)下標(biāo)的出現(xiàn)，在計(jì)算回歸系數(shù)時(shí)，t＝25,26,27,...,36，F(xiàn)re_t為t時(shí)刻的事件頻次，x_1(t-12)為t時(shí)刻所在年份的前一年的同月份的事件頻次，x_1(t-12)為t-12＝13,14,...,24時(shí)刻所對(duì)應(yīng)的爆發(fā)頻次，x_2(t-24)為t時(shí)刻所在年份的前年的同月份的事件頻次，因此x_2(t-24)為t-24＝1,2,...,12時(shí)刻所對(duì)應(yīng)的爆發(fā)頻次，α₀，α₁，α₂為求取的模型回歸系數(shù)；預(yù)測(cè)時(shí)，取t＝37,38,...,48；這樣，未來(lái)一年爆發(fā)頻次即可被預(yù)測(cè)；

步驟(3)所述恐怖襲擊事件空間分布分析模型為：

F_i＝c₁Z_i+c₂W_i+c₃R_i+c₄p_i??????(14)

其中，F(xiàn)_i表示第i個(gè)地區(qū)的反恐系數(shù)，Z_i表示第i個(gè)地區(qū)的武器傷害度，W_i表示第i個(gè)地區(qū)的地區(qū)危害性，R_i表示第i個(gè)地區(qū)的死亡總數(shù)，p_i表示第i個(gè)地區(qū)的事件頻發(fā)次數(shù)，設(shè)置加權(quán)系數(shù)c₁＝c₂＝c₃＝c₄＝0.25；

所述步驟(4)通過以下公式實(shí)現(xiàn)：

其中，f_i表示詞i在文本中出現(xiàn)的詞頻，N表示文本集總數(shù)，N_i表示包含詞i的文本個(gè)數(shù)，a1。