使用受限 Boltzmann 机的犯罪事件嵌入
机器学习
2018-02-15 v3 机器学习
摘要
我们提出一种检测相关犯罪序列的新方法，通过 Gaussian-Bernoulli 受限 Boltzmann 机 (RBM) 从犯罪记录叙述中无监督学习潜在特征嵌入。这与先前犯罪分析的工作截然不同，后者通常仅考虑时间、位置以及至多类别信息。嵌入之后，相关案例在欧氏特征空间中彼此更接近，不相关案例相距更远，这一良好性质可支持后续分析，如相关案例的检测与聚类。在亚特兰大警察局手工标注的若干相关犯罪事件序列上的实验显示了我们嵌入方法的潜力。
引用
@article{arxiv.1710.10513,
title = {Crime incidents embedding using restricted Boltzmann machines},
author = {Shixiang Zhu and Yao Xie},
journal= {arXiv preprint arXiv:1710.10513},
year = {2018}
}
备注
5 pages, 3 figures