[發明專利]基于LSTM-RNN的民航安保事件行為主體識別與預測方法及系統在審

申請號：	202010915114.4	申請日：	2020-09-03
公開（公告）號：	CN112329974A	公開（公告）日：	2021-02-05
發明（設計）人：	馮文剛;蘇娜;李佳倫;劉思雨;王樂;岳敏;蔡文昊	申請（專利權）人：	中國人民公安大學
主分類號：	G06Q10/04	分類號：	G06Q10/04;G06Q50/26;G06Q50/30;G06K9/62;G06N3/04
代理公司：	北京天悅專利代理事務所(普通合伙) 11311	代理人：	田明;楊方
地址：	100038 ***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于 lstm rnn 民航安保事件行為主體識別預測方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于LSTM-RNN的民航安保事件行為主體識別與預測方法，其特征在于，包括：

(1)獲取民航安保數據；

(2)對所述民航安保數據進行預處理，基于預處理后的所述民航安保數據，構建民航安保事件數據庫，以獲取訓練樣本集；

(3)基于民航安保事件類別模型和所述民航安保事件數據庫，構建每一類民航安保事件對應的概率模型，基于所述概率模型和概率分布度量距離方法，構建民航安保事件時間序列模型，獲得民航安保事件時間序列特征；

(4)基于深度長短記憶迭代模型，對所述民航安保事件時間序列特征進行分析識別和預測，得到對應的民航安保事件行為主體。

2.根據權利要求1所述的一種基于LSTM-RNN的民航安保事件行為主體識別與預測方法，其特征在于，步驟(1)包括：

從公安網信息和民航運行網信息中獲取民航安保數據；

步驟(2)包括：

通過標定構建民航安保事件數據庫。

3.根據權利要求1所述的一種基于LSTM-RNN的民航安保事件行為主體識別與預測方法，其特征在于，步驟(3)包括：

(3.1)將民航安保事件類別作為訓練目標，對所述民航安保事件數據庫進行訓練，構建民航安保事件類別模型，基于所述民航安保事件類別模型，獲取民航安保事件時間序列，所述民航安保事件時間序列用于表征多個單一民航安保事件概念信息；

(3.2)基于HMM模型對所述民航安保事件時間序列構建民航安保事件通用信息模型；

(3.3)針對每一類民航安保事件，構建如何從所述民航安保事件通用信息模型得到該類民航安保事件對應的民航安保事件時間序列的概率模型；

(3.4)基于模型的相似度估計所述概率模型的概率分布度量距離，構建民航安保事件時間序列模型，獲得民航安保事件時間序列特征。

4.根據權利要求3所述的一種基于LSTM-RNN的民航安保事件行為主體識別與預測方法，其特征在于，通過正則項對多個單一民航安保事件類別間的偏差進行限制，假設某一民航安保事件類別中包括n個單一民航安保事件概念信息s₁,s₂,...,s_i,...,s_n，則目標函數如下式：

其中，s為民航安保事件類別模型，F(s_i,s)控制s和s_i的差別，控制權重正則化，R₂(s)控制犯罪類別模型整體的正則化，R₃(s,W_s,W_d)控制訓練民航安保事件類別模型s時的正則化，O(s,W_s,q)為民航安保事件類別模型s訓練時的損失，W為正則化系數，W_s為訓練數據的正則化系數，W_d為未標注數據的正則化系數，q為民航安保事件類別概念群。

5.根據權利要求3所述的一種基于LSTM-RNN的民航安保事件行為主體識別與預測方法，其特征在于，通過下式計算得到所述概率模型的概率分布度量距離KLD：

其中，h^u和h^v分別為概率模型的兩個概率分布，h為概率模型，共有N個狀態，a_ii為隱狀態間轉移概率，第i個狀態的概率分布由GMM模型{η_i1,η_i2,...,η_iS,μ_i1,μ_i2,...,μ_iS,∑_i1,∑_i2,∑_iS}表示，A為轉換矩陣，i，s，S，N為正整數。