CN112561065A - 基于事件全要素关联分析研判的行为重建方法 - Google Patents
基于事件全要素关联分析研判的行为重建方法 Download PDFInfo
- Publication number
- CN112561065A CN112561065A CN202011364597.XA CN202011364597A CN112561065A CN 112561065 A CN112561065 A CN 112561065A CN 202011364597 A CN202011364597 A CN 202011364597A CN 112561065 A CN112561065 A CN 112561065A
- Authority
- CN
- China
- Prior art keywords
- event
- information
- behavior
- scene
- site
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 14
- 238000011160 research Methods 0.000 title claims abstract description 13
- 230000006399 behavior Effects 0.000 claims abstract description 83
- 230000008569 process Effects 0.000 claims abstract description 49
- 238000011835 investigation Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000012800 visualization Methods 0.000 claims description 18
- 238000011161 development Methods 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000012098 association analyses Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000000750 progressive effect Effects 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000009960 carding Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/042—Backward inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于事件全要素关联分析研判的行为重建方法,包括:基于多种类型的事件信息,梳理出从现场勘验到行为重建的全过程的业务流程和数据流程,构建事件研判的理论模型;以现场勘验的全要素信息为基础,结合业务流程,利用多种行为调查技术、计算机技术,实现目标关联分析研判,为现场勘验可视化展示以及其他专项应用构建提供支撑,形成总体的技术方法路线;利用现场的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌。本申请解决现有技术中事件多源信息的使用不全面,事件行为重建的流程不清晰等问题。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于事件全要素关联分析研判的行为重建方法。
背景技术
事件行为重建及结果展示有两项核心问题:一是基于多源信息,准确研判事件行为;二是融合空间和时序,还原行为过程。针对上述问题,已经开展了现场勘验全要素信息采集,典型犯罪行为动力学仿真模拟,犯罪重建推理模型等研究工作。但是发明人经过研究发现,目前事件行为重建及结果展示方面存在着以下不足:事件多源信息的使用不全面,事件行为重建的流程不清晰等。
发明内容
本申请旨在至少在一定程度上解决上述的技术问题之一。
为此,本申请的一个目的在于提出一种基于事件全要素关联分析研判的行为重建方法。该方法可以解决现有技术中事件多源信息的使用不全面,事件行为重建的流程不清晰等问题。
为达到上述目的,本申请一方面实施例提供的一种基于事件全要素关联分析研判的行为重建方法,包括:
基于多种类型的事件信息,梳理出从现场勘验到行为重建的全过程的业务流程和数据流程,构建事件研判的理论模型;
以所述现场勘验的全要素信息为基础,结合所述业务流程,利用多种行为调查技术、计算机技术,实现目标关联分析研判,为现场勘验可视化展示以及其他专项应用构建提供支撑,形成总体的技术方法路线;
利用所述现场的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌。
可选地,在一些实施例中,所述全要素信息包括:
现场勘验信息、场景物品信息、地理位置信息、环境通讯信息、形态学证据信息和物证分析数据。
可选地,在一些实施例中,所述利用所述现场勘验的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌,包括:
构建以人、事件、现场、串案和技术比中(鉴定)信息为五要素进行数据仓库建模,通过对象—场景—结果研判分析,梳理案事件的正向演化规律,并将目标行为与要素关联起来,实现从要素来源层推理至行为推论层;
将每个行为事件分解为多个场景,梳理每一场景中的物质交换,推导出在事件现场留下相应的要素信息,建立事件宏观的正向演化规律;
基于行为事件现场的要素,根据对象—场景—结果的对应关系,逆向推理出相对应的情景,推理出目标行为的事实,并按照事件发展过程分阶段梳理所述事件中的场景,最终构建出所述事件全貌。
可选地,在一些实施例中,所述按照事件发展过程分阶段梳理所述事件中的场景,包括:
基于一类事件的发展过程进行阶段的划分,并在每一阶段中对场景进行梳理。
可选地,在一些实施例中,所述方法还包括:在场景梳理的基础上,对每一场景中产生的要素进行梳理。
可选地,在一些实施例中,所述对每一场景中产生的要素进行梳理,包括:
识别出所述每一场景中的交换主体;
依据所述每一场景中的交换主体,确定所述每一场景中可能的交换情形;
确定每一所述交换情形中可能交换的要素。
可选地,在一些实施例中,所述方法还包括:
结合案情证据之间的关联性和动态性,采用渐进式循环搜索技术,综合目标算法和无限深度神经网络模型进行要素关联,得到现场的全要素关联信息;
基于多行为链式智能体的应用,实现复杂情况下多重耦合事件的现场过程还原;
通过类比关联、模糊推理方法,针对事件发生、发展全过程,重点分析时间、地点/场所、作案人、承害客体、行为,并针对不同的多源证据信息类型,对所述证据信息进行处理分析,经过不断反复的“收集信息—>数据分析—>甄别证据”流程,实现事件发生发展全过程和全要素动态构建,最终形成证据体系。
可选地,在一些实施例中,所述理论模型为贝叶斯网络构模型,其中,所述贝叶斯网络构模型的网络中的节点包括假设层、情景层以及要素层;其中,
所述假设层,用于推理回答事件关键要素信息;
所述情景层的节点,用以推理目标行为;
所述要素层,用于提供现场要素信息,以供逆向推理。
可选地,在一些实施例中,所述方法还包括:基于所述目标行为的事件全貌,进行现场勘验可视化展示。
可选地,在一些实施例中,所述现场勘验可视化展示包括:勘验数据可视化、动力学模型可视化、推演回溯可视化、交互控制可视化中的任意一种或多种。
根据本申请实施例的基于事件全要素关联分析研判的行为重建方法,基于多种类型的事件信息,梳理出从现场勘验到行为重建的全过程的业务流程和数据流程,构建事件研判的理论模型;以现场勘验的全要素信息为基础,结合业务流程,利用多种行为调查技术、计算机技术,实现目标关联分析研判,为现场勘验可视化展示以及其他专项应用构建提供支撑,形成总体的技术方法路线;利用现场的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌。由此,利用事件多源信息,建立现场勘验信息、实验室检验信息、侦察调研勘验数据之间的全面关联关系,并考虑各要素的演化规律及相互作用,体现了“整体现场动态勘查观”的理念,保障了行为重建结果的准确性和科学性;另外,以现场勘验数据为出发点,形成标准化、体系化的分析研判流程,利用通用的分析研判模型,基于业务需求整合多种事件行为调查技术手段,保证了事件行为重建流程的清晰,从而为现场研判分析、质量控制、证据评价提供分析研判结果和证据体系支撑。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请实施例提供的一种基于事件全要素关联分析研判的行为重建方法的流程图。
图2是本申请实施例的从现场勘验到行为重建的全过程的业务流程和数据流程的示例图。
图3为本申请实施例的总体的技术方法路线图的示例图。
图4是根据本申请实施例的基于事件全要素关联分析研判的行为重建方法的流程图。
图5是根据本申请实施例的对象—场景—结果模型的示例图。
图6是根据本申请实施例的对场景中产生的要素进行梳理的示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于事件全要素关联分析研判的行为重建方法。
图1是根据本申请实施例提供的一种基于事件全要素关联分析研判的行为重建方法的流程图。如图1所示,该基于事件全要素关联分析研判的行为重建方法可以包括如下步骤。
在步骤101中,基于多种类型的事件信息,梳理出从现场勘验到行为重建的全过程的业务流程和数据流程,构建事件研判的理论模型。
也就是说,针对多种类型的事件信息,梳理出从现场勘验到行为重建的全过程的业务流程和数据流程,基于所述业务流程和数据流程构建事件研判的理论模型。例如,如图2所示,为从现场勘验到行为重建的全过程的业务流程和数据流程的示例图。
在一些实施例中,理论模型为贝叶斯网络构模型。其中,所述贝叶斯网络构模型的网络中的节点包括假设层、情景层以及要素层;其中,所述假设层,用于推理回答事件关键要素信息;所述情景层的节点,用以推理目标行为;所述要素层,用于提供现场要素信息,以供逆向推理。基于相应的调查问卷,依靠专家经验获取了母网络结构的概率参数,研判模型已能够针对单一假设情形进行定量推理。
在步骤102中,以现场勘验的全要素信息为基础,结合业务流程,利用多种行为调查技术、计算机技术,实现目标关联分析研判,为现场勘验可视化展示以及其他专项应用构建提供支撑,形成总体的技术方法路线。
在一些实施例中,全要素信息可包括但不限于:现场勘验信息、场景物品信息、地理位置信息、环境通讯信息、形态学证据信息和物证分析数据等。例如,如图3所示,为总体的技术方法路线图的示例图,其中,该总体技术方法路线图包括半结构化并行数据库引擎、目标关联分析研判模块、关联分析研判业务应用和现场勘验可视化展示等。
在步骤103中,利用现场的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌。
也就是说,可充分利用现场勘验信息、场景物品信息、地理位置信息、环境通讯信息、形态学证据信息及物证分析数据等现场全要素信息进行信息关联,逆向推演出构成犯罪的行为与情景,最终构建出案事件全貌。
在一些实施例中,如图4所示,所述步骤103包括如下步骤:
在步骤401中,构建以人、事件、现场、串案和技术比中(鉴定)信息为五要素进行数据仓库建模,通过对象—场景—结果研判分析,梳理案事件的正向演化规律,并将目标行为与要素关联起来,实现从要素来源层推理至行为推论层。
在步骤402中,将每个行为事件分解为多个场景,梳理每一场景中的物质交换,推导出在事件现场留下相应的要素信息,建立事件宏观的正向演化规律。
在步骤403中,基于行为事件现场的要素,根据对象—场景—结果的对应关系,逆向推理出相对应的情景,推理出目标行为的事实,并按照事件发展过程分阶段梳理事件中的场景,最终构建出事件全貌。
例如,如图5所示,逆向重建实际上就是给定行为事件现场的要素,根据对象—场景—结果的对应关系(即正向演化规律),逆向推理出相对应的情景,推理出目标行为的事实。
在本申请实施例中,对于行为事件中场景的梳理,提出按照事件发展过程分阶段梳理场景的方法。首先,对一类事件进行阶段的划分,如对于目标事件,该目标事件的阶段可分为准备阶段,实施阶段,发展阶段以及远离现场阶段;其次,在每一阶段中对场景进行梳理。对于该目标事件的各个阶段,与该事件匹配的调查专家共同完成了场景的梳理工作。
在本申请实施例中,在场景梳理的基础上,对每一场景中产生的要素进行梳理。例如,如图6所示,首先需要识别出每一场景中的交换主体,如要素A,B,C相互作用的场景,其交换主体就为A,B,C;其次,要确定每一场景中可能的交换情形,对于上述情景来说,可能的交换情形有三个,分别是A与B之间的交换,B与C之间的交换,以及A与C之间的交换;最后来确定每一交换情形中可能交换的要素。
在本申请实施例中,根据上述场景-要素分析方法,完成了目标事件的场景-要素梳理工作。例如,以放火实施阶段的泼洒燃油情景为例进行说明,该情景产生的要素有7种,依次为:(1)来源于助燃剂的微量物质留在放火者身上;(2)来源于助燃剂的微量物质留在受害者身上;(3)放火者在中心现场的电磁信息、影像信息被记录;(4)放火者的指纹留在盛装物上;(5)放火者的DNA留在盛装物上;(6)来源于助燃剂的微量物质留在盛装物上;(7)来源于中心现场的微量物质留在盛装物上。
在一些实施例中,现场全要素关联信息的启发性渐进式搜索,具体为:结合案情证据之间的关联性和动态性等特点,采用渐进式循环搜索技术,综合蚁群算法、遗传算法、非线性优化等算法和无限深度神经网络模型进行要素关联。利用各类算实现要素之间“点到点”关联关系的建立;基于神经元之间的反馈连接,利用无限深度神经网络,实现对案情证据的动态循环探查取证,最终达到一个相对满意的结果,构建行为事件全证据信息图谱,完成全部要素信息间的关联。
在一些实施例中,多行为链式智能体还原多重耦合案件现场过程还原,具体为:针对车辆冲撞后产生的爆炸、燃烧,以及“放火—爆炸”等案件的耦合发生的情况,构建典型的目标行为链,以链式智能体为核心,解决多行为耦合及行为间相互关联相互影响。基于构建的目标行为链,可预定智能体参数,对行为事件全证据信息图谱进行自主分析响应。通过智能体的应用,实现复杂情况下多重耦合案件的现场过程还原。
在一些实施例中,行为事件智能迭代分析和推演研判关键要素,具体为:通过类比关联、模糊推理等方法,针对事件发生、发展全过程,重点分析时间、地点/场所、作案人、承害客体、行为等要素。针对不同的多源证据信息类型,对证据信息进行处理、分析,经过不断反复的“收集信息—>数据分析—>甄别证据”流程,实现事件发生发展全过程全要素动态构建,最终形成证据体系。
在一些实施例中,在得到重构的目标行为的事件全貌时,可基于目标行为的事件全貌,进行现场勘验可视化展示。其中,在本申请实施例中,现场勘验可视化展示可包括但不限于:勘验数据可视化、动力学模型可视化、推演回溯可视化、交互控制可视化等中的任意一种或多种。作为一种可能实现方式的示例,现场勘验可视化展示可包括但不限于:勘验数据可视化、动力学模型可视化、推演回溯可视化、交互控制可视化等。
根据本申请实施例的基于事件全要素关联分析研判的行为重建方法,基于多种类型的事件信息,梳理出从现场勘验到行为重建的全过程的业务流程和数据流程,构建事件研判的理论模型;以现场勘验的全要素信息为基础,结合业务流程,利用多种行为调查技术、计算机技术,实现目标关联分析研判,为现场勘验可视化展示以及其他专项应用构建提供支撑,形成总体的技术方法路线;利用现场的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌。由此,利用事件多源信息,建立现场勘验信息、实验室检验信息、侦察调研勘验数据之间的全面关联关系,并考虑各要素的演化规律及相互作用,体现了“整体现场动态勘查观”的理念,保障了行为重建结果的准确性和科学性;另外,以现场勘验数据为出发点,形成标准化、体系化的分析研判流程,利用通用的分析研判模型,基于业务需求整合多种事件行为调查技术手段,保证了事件行为重建流程的清晰,从而为现场研判分析、质量控制、证据评价提供分析研判结果和证据体系支撑。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于事件全要素关联分析研判的行为重建方法,其特征在于,包括:
基于多种类型的事件信息,梳理出从现场勘验到行为重建的全过程的业务流程和数据流程,构建事件研判的理论模型;
以所述现场勘验的全要素信息为基础,结合所述业务流程,利用多种行为调查技术、计算机技术,实现目标关联分析研判,为现场勘验可视化展示以及其他专项应用构建提供支撑,形成总体的技术方法路线;
利用所述现场的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌。
2.根据权利要求1所述的方法,其特征在于,所述全要素信息包括:
现场勘验信息、场景物品信息、地理位置信息、环境通讯信息、形态学证据信息和物证分析数据。
3.根据权利要求1所述的方法,其特征在于,所述利用所述现场勘验的全要素信息进行信息关联,逆向推演出构成目标行为与情景,最终构建出事件全貌,包括:
构建以人、事件、现场、串案和技术比中(鉴定)信息为五要素进行数据仓库建模,通过对象—场景—结果研判分析,梳理案事件的正向演化规律,并将目标行为与要素关联起来,实现从要素来源层推理至行为推论层;
将每个行为事件分解为多个场景,梳理每一场景中的物质交换,推导出在事件现场留下相应的要素信息,建立事件宏观的正向演化规律;
基于行为事件现场的要素,根据对象—场景—结果的对应关系,逆向推理出相对应的情景,推理出目标行为的事实,并按照事件发展过程分阶段梳理所述事件中的场景,最终构建出所述事件全貌。
4.根据权利要求3所述的方法,其特征在于,所述按照事件发展过程分阶段梳理所述事件中的场景,包括:
基于一类事件的发展过程进行阶段的划分,并在每一阶段中对场景进行梳理。
5.根据权利要求4所述的方法,其特征在于,还包括:
在场景梳理的基础上,对每一场景中产生的要素进行梳理。
6.根据权利要求5所述的方法,其特征在于,所述对每一场景中产生的要素进行梳理,包括:
识别出所述每一场景中的交换主体;
依据所述每一场景中的交换主体,确定所述每一场景中可能的交换情形;
确定每一所述交换情形中可能交换的要素。
7.根据权利要求1所述的方法,其特征在于,还包括:
结合案情证据之间的关联性和动态性,采用渐进式循环搜索技术,综合目标算法和无限深度神经网络模型进行要素关联,得到现场的全要素关联信息;
基于多行为链式智能体的应用,实现复杂情况下多重耦合事件的现场过程还原;
通过类比关联、模糊推理方法,针对事件发生、发展全过程,重点分析时间、地点/场所、作案人、承害客体、行为,并针对不同的多源证据信息类型,对所述证据信息进行处理分析,经过不断反复的“收集信息—>数据分析—>甄别证据”流程,实现事件发生发展全过程和全要素动态构建,最终形成证据体系。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述理论模型为贝叶斯网络构模型,其中,所述贝叶斯网络构模型的网络中的节点包括假设层、情景层以及要素层;其中,
所述假设层,用于推理回答事件关键要素信息;
所述情景层的节点,用以推理目标行为;
所述要素层,用于提供现场要素信息,以供逆向推理。
9.根据权利要求1所述的方法,其特征在于,还包括:
基于所述目标行为的事件全貌,进行现场勘验可视化展示。
10.根据权利要求9所述的方法,其特征在于,所述现场勘验可视化展示包括:
勘验数据可视化、动力学模型可视化、推演回溯可视化、交互控制可视化中的任意一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364597.XA CN112561065B (zh) | 2020-11-27 | 基于事件全要素关联分析研判的行为重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364597.XA CN112561065B (zh) | 2020-11-27 | 基于事件全要素关联分析研判的行为重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561065A true CN112561065A (zh) | 2021-03-26 |
CN112561065B CN112561065B (zh) | 2024-06-21 |
Family
ID=
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463759A (zh) * | 2014-11-28 | 2015-03-25 | 东莞中国科学院云计算产业技术创新与育成中心 | 基于数字预案的决策指挥一体机及其运行方法 |
CN106780116A (zh) * | 2016-12-01 | 2017-05-31 | 全球能源互联网研究院 | 电力应急演练方法、装置及其情景模型的构建方法、装置 |
CN107067134A (zh) * | 2016-12-21 | 2017-08-18 | 全球能源互联网研究院 | 一种情景序列构建方法及装置 |
CN110348578A (zh) * | 2019-07-04 | 2019-10-18 | 北京仿真中心 | 一种安全事件情景推演构建方法、系统、设备及介质 |
CN110674840A (zh) * | 2019-08-22 | 2020-01-10 | 中国司法大数据研究院有限公司 | 一种基于贝叶斯网络的多方证据关联模型构建方法和证据链提取方法及装置 |
CN111047041A (zh) * | 2019-11-25 | 2020-04-21 | 清华大学 | 基于贝叶斯网络推理模型的犯罪重建方法及装置 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463759A (zh) * | 2014-11-28 | 2015-03-25 | 东莞中国科学院云计算产业技术创新与育成中心 | 基于数字预案的决策指挥一体机及其运行方法 |
CN106780116A (zh) * | 2016-12-01 | 2017-05-31 | 全球能源互联网研究院 | 电力应急演练方法、装置及其情景模型的构建方法、装置 |
CN107067134A (zh) * | 2016-12-21 | 2017-08-18 | 全球能源互联网研究院 | 一种情景序列构建方法及装置 |
CN110348578A (zh) * | 2019-07-04 | 2019-10-18 | 北京仿真中心 | 一种安全事件情景推演构建方法、系统、设备及介质 |
CN110674840A (zh) * | 2019-08-22 | 2020-01-10 | 中国司法大数据研究院有限公司 | 一种基于贝叶斯网络的多方证据关联模型构建方法和证据链提取方法及装置 |
CN111047041A (zh) * | 2019-11-25 | 2020-04-21 | 清华大学 | 基于贝叶斯网络推理模型的犯罪重建方法及装置 |
Non-Patent Citations (3)
Title |
---|
刘烁;王帅;傅焕章;王飞跃;: "软件定义的犯罪现场分析过程及其知识自动化方案", 模式识别与人工智能, no. 10, pages 876 - 883 * |
徐德柱;陈从江;武超;: "有关犯罪现场重建的探讨", 科技展望, no. 35 * |
王富斌;魏克强;: "论犯罪现场的行为再现", 金卡工程(经济与法), no. 11 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Big data and artificial intelligence based early risk warning system of fire hazard for smart cities | |
Costantini et al. | Digital forensics and investigations meet artificial intelligence | |
Van Hemel et al. | Behavioral modeling and simulation: From individuals to societies | |
Taber | POLI: An expert system model of US foreign policy belief systems | |
CN113255916A (zh) | 作战知识系统的使用方法、作战决策辅助方法 | |
Schubert et al. | Artificial intelligence for decision support in command and control systems | |
Yaksic | Addressing the challenges and limitations of utilizing data to study serial homicide | |
US8046320B2 (en) | Domain-independent architecture in a command and control system | |
Kuwertz et al. | Applying knowledge-based reasoning for information fusion in intelligence, surveillance, and reconnaissance | |
Biermann et al. | From Unstructured to Structured Information in Military Intelligence: Some Steps to Improve Information Fusion | |
Vepřek et al. | Beyond effectiveness: legitimising predictive policing in Germany | |
Liao | A knowledge-based architecture for implementing military geographical intelligence system on Intranet | |
CN112561065A (zh) | 基于事件全要素关联分析研判的行为重建方法 | |
CN112561065B (zh) | 基于事件全要素关联分析研判的行为重建方法 | |
Massel et al. | Intelligent system of semiotic type for decision-making support in Russia energy sector based on situational management conception | |
Holdsworth et al. | The SERIES model: development of a practitioner focused emergency response evaluation system | |
Zhichong et al. | Framework of spatial decision support system for large-scale public building evacuation | |
Botega et al. | SAW-oriented user interfaces for emergency dispatch systems | |
Çakır et al. | Circular intuitionistic Fuzzy PROMETHEE Methodology: A Case of Smart Cities Evaluation | |
Vishwakarma et al. | Modeling brain and behavior of a terrorist through fuzzy logic and ontology | |
Pfautz et al. | Cognitive complexities impacting army intelligence analysis | |
Armstrong et al. | Modeling forensic evidence systems using design science | |
Bladon et al. | High-level fusion using Bayesian networks: Applications in command and control | |
Gómez González | Perception of artificial intelligence-based technology in criminal profiling and crime linkage: a group study of Colombia’s judicial forces | |
Bocharnikov et al. | Estimating the outcome of an Active Phase in the Military Conflict on Eastern Ukraine based on the Sugeno Fuzzy Integral |
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 | ||
GR01 | Patent grant |