CN111143445A - 一种基于大数据的戒毒场所安全态势分析方法及系统 - Google Patents
一种基于大数据的戒毒场所安全态势分析方法及系统 Download PDFInfo
- Publication number
- CN111143445A CN111143445A CN201911155875.8A CN201911155875A CN111143445A CN 111143445 A CN111143445 A CN 111143445A CN 201911155875 A CN201911155875 A CN 201911155875A CN 111143445 A CN111143445 A CN 111143445A
- Authority
- CN
- China
- Prior art keywords
- information
- safety
- data
- information data
- drug rehabilitation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 91
- 229940079593 drug Drugs 0.000 title claims abstract description 91
- 238000004458 analytical method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000010606 normalization Methods 0.000 claims abstract description 17
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000013500 data storage Methods 0.000 claims description 29
- 238000003745 diagnosis Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 10
- 208000031886 HIV Infections Diseases 0.000 claims description 3
- 208000037357 HIV infectious disease Diseases 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 208000033519 human immunodeficiency virus infectious disease Diseases 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 2
- 238000001784 detoxification Methods 0.000 claims 7
- 238000012937 correction Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及大数据预测分析技术领域,具体是涉及一种基于大数据的戒毒场所安全态势分析方法。从数据库中获取戒毒场所的历史信息数据。对每个历史信息数据均进行归一化处理。将归一化处理之后的每个历史信息数据分别输入到神经网络模型中,神经网络模型对每一个历史信息数据进行训练,训练之后,神经网络模型输出该历史信息数据的权重。获取戒毒场所的实时信息数据。将戒毒场所的实时信息数据均进行归一化处理,进行加权计算,获得该戒毒场所的安全态势的分值。根据该戒毒场所的安全态势的分值,获取该戒毒场所的安全等级。充分利用各个体系的数据,使得戒毒场所的工作人员能够及时获知戒毒场所的安全等级,便于管理戒毒场所。
Description
技术领域
本发明涉及大数据预测分析技术领域,具体是涉及一种基于大数据的戒毒场所安全态势分析方法。
背景技术
当前,戒毒系统在国家、司法部、政府、司法厅以及相关单位的系列政策支持下,推进戒毒所的安防体系、应急体系、生产体系、教育体系等信息化建设。场所内安防体系、应急体系、生产体系、教育体系等都是独立建设,未能实现资源的有效整合,造成了信息孤岛,场所安全态势无法及时感知获取,各个体系数据只能从单方面获取场所信息。
各个体系的数据彼此孤立,使得戒毒场所的工作人员难以获知戒毒场所的安全等级,降低了戒毒所管理的工作效率和处置突发事件的能力。
发明内容
为解决上述技术问题,本发明的目的之一是提供了一种基于大数据的戒毒场所安全态势分析方法,充分利用各个体系的数据,使得戒毒场所的工作人员能够及时获知戒毒场所的安全等级,便于管理戒毒场所。
为实现上述目的,本发明采用了以下技术方案:
一种基于大数据的戒毒场所安全态势分析方法,包括如下步骤:
S1,从数据库中获取戒毒场所的历史信息数据,所述历史信息数据至少包括管教安全信息数据、医疗安全信息数据、监管安全信息数据、安全防范信息数据、诊断评估信息数据;
S2,对每个历史信息数据均进行归一化处理;
S3,将归一化处理之后的每个历史信息数据分别输入到神经网络模型中,神经网络模型对每一个历史信息数据进行训练,训练之后,神经网络模型输出该历史信息数据的权重;
S4,获取戒毒场所的实时信息数据,所述实时信息数据也至少包括管教安全信息数据、医疗安全信息数据、监管安全信息数据、安全防范信息数据、诊断评估信息数据;
将戒毒场所的实时信息数据均进行归一化处理,根据步骤S3中的权重和归一化处理之后的实时信息数据,进行加权计算,获得该戒毒场所的安全态势的分值,该安全态势的分值用于获取戒毒场所的安全等级。
进一步,对步骤S1中的历史信息数据依次进行K均值算法、层次聚类预处理,预处理之后的历史信息数据为步骤S2-S3中的历史信息数据;
对步骤S4中的实时信息数据也依次进行K均值算法、层次聚类预处理,预处理之后再进行归一化处理。
进一步,步骤S4中的进行加权计算,获得该戒毒场所的安全态势的分值,具体过程如下:
其中,E安全态势为该戒毒场所的安全态势的分值,n为实时信息的数量,xi为第i个实时信息的权重,ki为归一化之后的第i个实时信息对应的数据。
进一步,该戒毒场所安全态势分析方法还包括步骤S5,根据戒毒场所的安全态势的分值,获得该戒毒场所的安全等级,具体过程如下:
若E安全态势大于等于第一阈值,则该戒毒场所的安全等级为高;
若E安全态势小于第一阈值大于等于第二阈值,则该戒毒场所的安全等级为中,需要进一步加强该戒毒场所的安全防范;
若E安全态势小于第二阈值,则该戒毒场所的安全等级为低,需要改进该戒毒场所的安全防范,加强该戒毒场所的安全防范。
进一步优选的,第一阈值为90,第二阈值为70。
进一步,管教安全信息包括戒毒场所的脱逃信息、死亡信息、案发信息、吸毒信息、退回率信息;
医疗安全信息包括HIV感染信息、离开戒毒场所就医信息、重点疾病信息、戒毒场所内就诊信息、戒毒场所外就医信息;
监管安全信息包括重点人员信息、心理咨询信息、单项奖惩信息、个别谈话信息、约束保护信息、严格管理信息、警戒比信息、协管比信息;
安全防范信息包括重点区域设施覆盖率、生产学习设施覆盖率、周界安全设施覆盖率、监舍学习设施覆盖率、设施在线率、设施质量率、报警处理率;
诊断评估信息包括重点人员诊断评估信息、一般人员诊断评估信息、诊断评估通过率。
进一步优选的,步骤S3在将每个历史信息数据分别输入到神经网络模型中之前,先对每个安全防范信息赋予初始权重,其中,重点区域设施覆盖率的初始权重为1.5、生产学习设施覆盖率的初始权重为1、周界安全设施覆盖率的初始权重为1.5、监舍学习设施覆盖率的初始权重为1、设施在线率的初始权重为1.2、设施质量率的初四权重为1.2、报警处理率的初始权重为1.8。
进一步优选的,所述历史信息数据和实时信息数据均是通过ETL方式获取的,ETL即数据抽取。
本发明的目的之二是提供了一种基于大数据的戒毒场所安全态势分析系统,该系统包括依次电连接的数据采集模块、数据存储模块、数据处理模块、应用模块;
所述数据采集模块用于获取戒毒场所的历史信息数据和实时信息数据;所述数据存储模块用于存储戒毒场所的历史信息数据和实时信息数据;所述数据处理模块用于根据神经网络模型对历史信息数据和实时信息数据进行处理;所述应用模块用于报警。
进一步,所述数据存储模块包括管教安全信息数据存储单元、医疗安全信息数据存储单元、诊断评估信息数据存储单元、安全防范信息数据存储单元、监管安全信息数据存储单元。
本发明的有益效果如下:
(1)本发明的戒毒场所安全态势分析方法能够实现戒毒场所信息资源整合与共享,消除信息孤岛,形成戒毒场所安全态势感知体系,打造覆盖戒毒场所的完整、统一、高效、协同的应急防控体系,满足戒毒场所安全管理工作需要。
(2)通过从不同场所业务体系中获取多维度信息,利用大数据分析和研判,精准预测预警强制隔离戒毒场所安全态势趋势并采取有效防范措施,为戒毒所管理工作效率和处置突发事件能力提供完善的技术数据支撑手段,进一步保障社会稳定、减少犯罪。
(3)通过ETL方式对相关数据进行实时抽取,抽取数据之后,并能够从数据对场所安全态势影响性、数据可收集性、数据直观感受等因素,利用层次分析筛选出可用的数据因子,并且向数据进行归一化处理,将分散、零乱、标准不统一的数据整合到一起,简化计算的复杂性。
(4)数据预处理,能够去除无用的数据,提高算法的计算速度。
附图说明
图1为本发明的流程图;
图2为本发明的系统结构图。
图中标注符号的含义如下:
1-数据采集模块2-数据存储模块20-管教安全信息数据存储单元
21-医疗安全信息数据存储单元22-诊断评估信息数据存储单元
22-安全防范信息数据存储单元24-监管安全信息数据存储单元
3-数据处理模块4-应用模块
具体实施方式
以下结合实施例和说明书附图,对本发明中的技术方案进行清楚、完整地描述。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
一种基于大数据的戒毒场所安全态势分析方法,如图1所示,包括如下步骤:
S1,通过ETL方式从设备库、场所空间数据、场所报警数据、视频数据库进行相关数据实时抽取,抽取数据之后,从数据对场所安全态势影响性、数据可收集性、数据直观感受等因素,利用层次分析筛选出可用的数据因子,建立历史信息数据,本实施例中历史信息数据至少包括管教安全信息数据、医疗安全信息数据、监管安全信息数据、安全防范信息数据、诊断评估信息数据。
管教安全信息包括戒毒场所的脱逃信息、死亡信息、案发信息、吸毒信息、退回率信息;
医疗安全信息包括HIV感染信息、离开戒毒场所就医信息、重点疾病信息、戒毒场所内就诊信息、戒毒场所外就医信息;
监管安全信息包括重点人员信息、心理咨询信息、单项奖惩信息、个别谈话信息、约束保护信息、严格管理信息、警戒比信息、协管比信息;
警戎比:各大队实时一线警员数量与被看管人员数量的比例;
协管比:各大队实时一线协管人员(协助管理人员,一般为辅警)数量与被看管人员数量的比例;
安全防范信息包括重点区域设施覆盖率、生产学习设施覆盖率、周界安全设施覆盖率、监舍学习设施覆盖率、设施在线率、设施质量率、报警处理率;
重点区域设施覆盖率:重点区域(包含枪库、AB门通道)内报警与视频设备的个数与重点区域面积的比例;
生产学习设施覆盖率:生产学习区域内报警与视频设备的个数与生产学习区域面积的比例;
周界安全设施覆盖率:周界区域内报警与视频设备的个数与周界区域面积的比例;
监舍学习设施覆盖率:监舍学习区域内报警与视频设备的个数与监舍学习区域面积的比例;
设施在线率:场所内所有设备在线个数与场所内所有设备比例;
设施质量率:场所内运行正常设备个数与场所内在线设备;
报警处理率:场所内报警及时处理的数目(15秒内处理)与场所内报警总数比例;
诊断评估信息包括重点人员诊断评估信息、一般人员诊断评估信息、诊断评估通过率。
S2,依次采用K均值算法、层次聚类对步骤S1中的信息数据进行预处理。
利用K均值算法计算出可用初始建模数据,首先在每年中挑选出差异比较大三个月的数据作为聚类中心,然后计算其他33个月的数据与这三个月的中心差值,然后进行聚类,最后针对垃圾数据进行删除。
S3,对每个历史信息数据均进行归一化处理,即将分散、零乱、标准不统一的数据整合到一起。
S4,对每个历史信息数据赋予初始权重,其中,重点区域设施覆盖率的初始权重为1.5、生产学习设施覆盖率的初始权重为1、周界安全设施覆盖率的初始权重为1.5、监舍学习设施覆盖率的初始权重为1、设施在线率的初始权重为1.2、设施质量率的初四权重为1.2、报警处理率的初始权重为1.8。
S5,每个历史信息数据分别输入到神经网络模型中,神经网络模型对每一个历史信息数据进行训练,训练之后,神经网络模型输出该历史信息数据的权重。
S6,重复步骤S1-S3,获取戒毒场所的实时信息数据,实时信息数据也至少包括管教安全信息数据、医疗安全信息数据、监管安全信息数据、安全防范信息数据、诊断评估信息数据;
S7,根据步骤S5中的权重和归一化处理之后的实时信息数据,进行加权计算,获得该戒毒场所的安全态势的分值,具体过程如下:
其中,E安全态势为该戒毒场所的安全态势的分值,n为实时信息的数量,xi为第i个实时信息的权重,ki为归一化之后的第i个实时信息对应的数据。
S8,根据该戒毒场所的安全态势的分值,获取该戒毒场所的安全等级。
若E安全态势大于等于第一阈值,则该戒毒场所的安全等级为高;
若E安全态势小于第一阈值大于等于第二阈值,则该戒毒场所的安全等级为中,需要进一步加强该戒毒场所的安全防范;
若E安全态势小于第二阈值,则该戒毒场所的安全等级为低,需要改进该戒毒场所的安全防范,加强该戒毒场所的安全防范。
本实施例中,第一阈值为90,第二阈值为70。
本实施例中,通过某场所一年半的数据输入得出安全态势阈值等级分类进行对比,然后按月进行人工复核,人工纠偏,将人工纠偏之后安全态势阈值重新输入数据模型,对权值进行优化,不断提升模型精确性,在连续一年半的纠偏之后,数据模型得到稳定。
实施例2
一种基于大数据的戒毒场所安全态势分析系统,如图2所示,该系统包括依次电连接的数据采集模块1、数据存储模块2、数据处理模块3、应用模块4,其中,应用模块4用于报警。
数据存储模块2包括管教安全信息数据存储单元20、医疗安全信息数据存储单元21、诊断评估信息数据存储单元22、安全防范信息数据存储单元23、监管安全信息数据存储单元24。
Claims (10)
1.一种基于大数据的戒毒场所安全态势分析方法,其特征在于,包括如下步骤:
S1,从数据库中获取戒毒场所的历史信息数据,所述历史信息数据至少包括管教安全信息数据、医疗安全信息数据、监管安全信息数据、安全防范信息数据、诊断评估信息数据;
S2,对每个历史信息数据均进行归一化处理;
S3,将归一化处理之后的每个历史信息数据分别输入到神经网络模型中,神经网络模型对每一个历史信息数据进行训练,训练之后,神经网络模型输出该历史信息数据的权重;
S4,获取戒毒场所的实时信息数据,所述实时信息数据也至少包括管教安全信息数据、医疗安全信息数据、监管安全信息数据、安全防范信息数据、诊断评估信息数据;
将戒毒场所的实时信息数据均进行归一化处理,根据步骤S3中的权重和归一化处理之后的实时信息数据,进行加权计算,获得该戒毒场所的安全态势的分值,该安全态势的分值用于获取戒毒场所的安全等级。
2.如权利要求1所述的基于大数据的戒毒场所安全态势分析方法,其特征在于:对步骤S1中的历史信息数据依次进行K均值算法、层次聚类预处理,预处理之后的历史信息数据为步骤S2-S3中的历史信息数据;
对步骤S4中的实时信息数据也依次进行K均值算法、层次聚类预处理,预处理之后再进行归一化处理。
4.如权利要求3所述的基于大数据的戒毒场所安全态势分析方法,其特征在于,该戒毒场所安全态势分析方法还包括步骤S5,根据戒毒场所的安全态势的分值,获得该戒毒场所的安全等级,具体过程如下:
若E安全态势大于等于第一阈值,则该戒毒场所的安全等级为高;
若E安全态势小于第一阈值大于等于第二阈值,则该戒毒场所的安全等级为中,需要进一步加强该戒毒场所的安全防范;
若E安全态势小于第二阈值,则该戒毒场所的安全等级为低,需要改进该戒毒场所的安全防范,加强该戒毒场所的安全防范。
5.如权利要求4所述的基于大数据的戒毒场所安全态势分析方法,其特征在于:第一阈值为90,第二阈值为70。
6.如权利要求5所述的基于大数据的戒毒场所安全态势分析方法,其特征在于:管教安全信息包括戒毒场所的脱逃信息、死亡信息、案发信息、吸毒信息、退回率信息;
医疗安全信息包括HIV感染信息、离开戒毒场所就医信息、重点疾病信息、戒毒场所内就诊信息、戒毒场所外就医信息;
监管安全信息包括重点人员信息、心理咨询信息、单项奖惩信息、个别谈话信息、约束保护信息、严格管理信息、警戒比信息、协管比信息;
安全防范信息包括重点区域设施覆盖率、生产学习设施覆盖率、周界安全设施覆盖率、监舍学习设施覆盖率、设施在线率、设施质量率、报警处理率;
诊断评估信息包括重点人员诊断评估信息、一般人员诊断评估信息、诊断评估通过率。
7.如权利要求6所述的基于大数据的戒毒场所安全态势分析方法,其特征在于:步骤S3在将每个历史信息数据分别输入到神经网络模型中之前,先对每个安全防范信息赋予初始权重,其中,重点区域设施覆盖率的初始权重为1.5、生产学习设施覆盖率的初始权重为1、周界安全设施覆盖率的初始权重为1.5、监舍学习设施覆盖率的初始权重为1、设施在线率的初始权重为1.2、设施质量率的初四权重为1.2、报警处理率的初始权重为1.8。
8.如权利要求1所述的基于大数据的戒毒场所安全态势分析方法,其特征在于:所述历史信息数据和实时信息数据均是通过ETL方式获取的,ETL即数据抽取。
9.如权利要求1所述的基于大数据的戒毒场所安全态势分析方法的系统,其特征在于:该系统包括依次电连接的数据采集模块(1)、数据存储模块(2)、数据处理模块(3)、应用模块(4);
所述数据采集模块(1)用于获取戒毒场所的历史信息数据和实时信息数据;所述数据存储模块(2)用于存储戒毒场所的历史信息数据和实时信息数据;所述数据处理模块(3)用于根据神经网络模型对历史信息数据和实时信息数据进行处理;所述应用模块(4)用于报警。
10.如权利要求9所述的基于大数据的戒毒场所安全态势分析方法,其特征在于:所述数据存储模块(2)包括管教安全信息数据存储单元(20)、医疗安全信息数据存储单元(21)、诊断评估信息数据存储单元(22)、安全防范信息数据存储单元(23)、监管安全信息数据存储单元(24)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911155875.8A CN111143445A (zh) | 2019-11-22 | 2019-11-22 | 一种基于大数据的戒毒场所安全态势分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911155875.8A CN111143445A (zh) | 2019-11-22 | 2019-11-22 | 一种基于大数据的戒毒场所安全态势分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111143445A true CN111143445A (zh) | 2020-05-12 |
Family
ID=70517214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911155875.8A Pending CN111143445A (zh) | 2019-11-22 | 2019-11-22 | 一种基于大数据的戒毒场所安全态势分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111143445A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270362A (zh) * | 2020-11-02 | 2021-01-26 | 山东万里红信息技术有限公司 | 一种物联网健康大数据态势感知方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060190419A1 (en) * | 2005-02-22 | 2006-08-24 | Bunn Frank E | Video surveillance data analysis algorithms, with local and network-shared communications for facial, physical condition, and intoxication recognition, fuzzy logic intelligent camera system |
CN104050361A (zh) * | 2014-06-04 | 2014-09-17 | 杭州华亭科技有限公司 | 一种监狱服刑人员危险性倾向的智能分析预警方法 |
CN108076060A (zh) * | 2017-12-18 | 2018-05-25 | 西安邮电大学 | 基于动态k-means聚类的神经网络态势预测方法 |
US20180167402A1 (en) * | 2015-05-05 | 2018-06-14 | Balabit S.A. | Computer-implemented method for determining computer system security threats, security operations center system and computer program product |
CN109636155A (zh) * | 2018-11-30 | 2019-04-16 | 安徽四创电子股份有限公司 | 一种强制隔离戒毒人员危险性倾向的智能预警方法 |
CN110381013A (zh) * | 2019-05-28 | 2019-10-25 | 三明学院 | 一种网络安全态势感控方法、装置、设备和存储介质 |
-
2019
- 2019-11-22 CN CN201911155875.8A patent/CN111143445A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060190419A1 (en) * | 2005-02-22 | 2006-08-24 | Bunn Frank E | Video surveillance data analysis algorithms, with local and network-shared communications for facial, physical condition, and intoxication recognition, fuzzy logic intelligent camera system |
CN104050361A (zh) * | 2014-06-04 | 2014-09-17 | 杭州华亭科技有限公司 | 一种监狱服刑人员危险性倾向的智能分析预警方法 |
US20180167402A1 (en) * | 2015-05-05 | 2018-06-14 | Balabit S.A. | Computer-implemented method for determining computer system security threats, security operations center system and computer program product |
CN108076060A (zh) * | 2017-12-18 | 2018-05-25 | 西安邮电大学 | 基于动态k-means聚类的神经网络态势预测方法 |
CN109636155A (zh) * | 2018-11-30 | 2019-04-16 | 安徽四创电子股份有限公司 | 一种强制隔离戒毒人员危险性倾向的智能预警方法 |
CN110381013A (zh) * | 2019-05-28 | 2019-10-25 | 三明学院 | 一种网络安全态势感控方法、装置、设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270362A (zh) * | 2020-11-02 | 2021-01-26 | 山东万里红信息技术有限公司 | 一种物联网健康大数据态势感知方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Goodwill et al. | Visualizing the relationship among indicators for lone actor terrorist attacks: Multidimensional scaling and the TRAP‐18 | |
Leclerc | New developments in script analysis for situational crime prevention: Moving beyond offender scripts | |
Gundhus et al. | Global policing and mobility: Identity, territory, sovereignty | |
Zeman et al. | PROFILE OF A LONE WOLF TERRORIST: A CRISIS MANAGEMENT PERSPECTIVE. | |
Spytska | Psychological profile and prerequisites for the formation of the killer’s personality | |
Reidy et al. | Institutional misconduct among juvenile offenders serving a blended sentence | |
Wilson et al. | Effective interventions for acquisitive offenders: An investigation of cognitive skills programmes | |
Yin et al. | A schematic view of crisis threat assessment | |
Dziewanski | Gang Entry and Exit in Cape Town: Getting Beyond the Streets in Africa's Deadliest City | |
CN111143445A (zh) | 一种基于大数据的戒毒场所安全态势分析方法及系统 | |
Risso | Intentional homicides in São Paulo city: A new perspective | |
van der Heide et al. | The Dutch approach to extremist offenders | |
CN111461944A (zh) | 基于大数据的社区矫正管理系统 | |
Greenberg et al. | Trying to understand behavioral responses to terrorism: Personal civil liberties, environmental hazards, and US resident reactions to the September 11, 2001 attacks | |
Outwater et al. | Community violence in Dar es Salaam, Tanzania: A mixed methods study | |
Torre Cantalapiedra et al. | Robbery victimization of Mexican migrants while crossing the border | |
Ofekeze | The police in Nigeria–recruitment, formation and responsibility–legal instruments to improve the role of the police to establish security | |
Alsalamah et al. | Information Requirements for Disaster Victim Identification and Emergency Medical Services: Hajj Crowd Disaster Case Study. | |
Leclerc | Boosting crime scene investigations capabilities through crime script analysis | |
UCHIDA et al. | Focus on gun violence: An evaluation of Denver’s CGIC and RAVEN programs | |
Levinson et al. | Applying new police technologies to disaster victim identification | |
Leggett et al. | Criminal justice in review 2001/2002 | |
Ay et al. | A Machine Learning-Based Decision Support System Design for Restraining Orders in Turkey | |
Shmelova et al. | Real-time monitoring and diagnostics of the person's emotional state and decision-making in extreme situations for healthcare | |
Garbarino et al. | 16-Questions to Find Mass-Murderers, Spree-Shooters, Domestic-Terrorists, and a Study-1 of 232-School-Shooters with Controls and a Study-2 of 6-Teen-Shooters With 11-Homicidal and 12-Control Youth Rated with Ask Standard Predictor (ASP) of Violence Potential-Youth Version and the MMPI-A: Implications: Use Computer-Tests and Machine-Learning-Equations to Lower Insurance-Premiums and Prevent Church-Bankruptcy from Violent Offenses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |