追踪恐怖组织韧性与协调水平的变化

恐怖组织的活动轮廓显示出频繁的激增与衰退，对应于底层组织动力学的变化。特别地，理解诸如意图/意识形态、战术/策略、能力/资源等影响并冲击活动的属性变化是有意义的。这项工作的目标是快速检测此类变化，且总体上追踪群体动力学中宏观与微观趋势。该领域先前工作基于参数化方法并依赖时间序列分析技术、自激障碍模型（SEHM）或隐马尔可夫模型（HMM）。尽管这些方法相当准确地检测激增与衰退，但它们都基于模型学习——由于从模型学习视角看恐怖袭击的“稀有”性质，该任务在实践中困难。本文中，我们追求一种替代的非参数方法来检测活动轮廓中的激增。我们的方法基于将恐怖活动计数数据分箱以形成可相互比较的观测向量。受优超理论框架启发，这些向量随后通过某些泛函变换并用于激增分类。参数化方法常导致大量真实变化的漏检或未发生变化的误报，而所提方法被证明导致少量的漏检与误报。此外，该方法的非参数性质使其在实际情境中易于应用。