买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南警察学院

摘要：本发明涉及数据处理技术领域，具体涉及一种基于多维数据融合的侦查方法及系统，该方法获取目标团体各目标人物所有行踪数据；获取各项行踪数据的突变点；基于突变点对各项行踪数据的平稳性、相关性进行分析，构建行踪相关系数；设置侦察周期，构建行踪相关矩阵；根据行踪相关矩阵的不同行之间的相关性获取行踪信息贡献因子；构建目标人物的行踪信息贡献度；选择目标团体中最具代表性的目标人物的行踪数据进行数据融合获取目标人物的行踪融合向量；根据行踪融合向量完成目标人物的行踪预测，提高融合数据的代表性以及预测行程信息的精准度。

主权项：1.一种基于多维数据融合的侦查方法，其特征在于，该方法包括以下步骤：获取目标团体各目标人物所有行踪数据；对目标人物各项行踪数据进行突变点检测，根据行踪数据各突变点局部数据分布，结合各突变点之前所有突变点对应时刻的变化特征，获取行踪数据各突变点的行踪关联指数；根据行踪数据各突变点与所有突变点局部数据分布的变化特征，获取行踪数据各突变点的行踪平稳因子；根据各项行踪数据所有突变点的行踪关联指数以及行踪平稳因子，获取各项行踪数据的行踪相关系数；设置侦察周期，根据所有目标人物各项行踪数据的行踪相关系数在不同侦察周期之间的相关性，获取各目标人物各项行踪数据的行踪信息贡献因子；根据各项行踪数据的行踪信息贡献因子，获取各目标人物的行踪信息贡献度；根据各目标人物的行踪信息贡献度利用循环神经网络获取目标人物的行踪融合向量；根据行踪融合向量采用深度神经网络完成目标人物的行踪预测；所述获取行踪数据各突变点的行踪关联指数，具体为：根据行踪数据各突变点局部数据的分布，获取行踪数据各突变点的行踪期望差异；将行踪数据各突变点所在时刻与之前的所有突变点的对应时刻作为行踪数据各突变点的行踪骤变时刻序列；将行踪数据各突变点的行踪期望差异与之前的所有突变点的对应行踪期望差异作为行踪数据各突变点的行踪期望差异序列；将目标人物第i项行踪数据中第j个突变点的行踪关联指数记为，其公式形式为：；其中，为采集目标人物行踪数据的种类个数；、分别为目标人物第i项行踪数据、目标人物第p项行踪数据中第j个突变点对应的骤变时刻序列；、分别为目标人物第i项行踪数据、目标人物第p项行踪数据中第j个突变点对应的行踪期望差异序列；为杰卡德距离函数；所述获取各目标人物各项行踪数据的行踪信息贡献因子，具体包括：将侦察周期内所有目标人物各项行踪数据的行踪相关度的均值作为所有目标人物的行踪相关矩阵的元素值；将第x个目标人物第i项行踪数据的行踪信息贡献因子记为，其公式形式为：；其中，为第x个目标人物第i项行踪数据采集区间中与其余目标人物的行踪相关系数序列之间的余弦相似度之和；Y为目标人物行踪数据采集区间内的侦查周期总个数；为第x个目标人物第i项行踪数据第y个侦查周期的行踪相关度；为第x个目标人物第i项行踪数据所有侦查周期的行踪相关度均值；e为自然常数。

全文数据：

权利要求：

百度查询： 湖南警察学院 一种基于多维数据融合的侦查方法及系统