应急联动警情自动分类系统

1.一种应急联动警情自动分类系统，其特征在于：警情自动分类系统作为应急联动 系统的一个重要部分，设立在接警和分级分类处警系统之间，与应急联动系统共享数据 库数据，支持应急联动系统使用的GIS地理信息系统、GPS卫星定位系统以及视频监控 系统；其核心部件是分类器，分类器是一套计算机数据处理系统，在分类器中利用一种 改进的贝叶斯算法进行警情的自动分类，分类的过程包括构建分类器和分类器工作两部 分，分类器采用机器学习的原理，用历史警情信息数据作为学习数据，采用改进的朴素 贝叶斯算法来构造；
构建分类器的步骤是：
(1)输入历史警情数据；
(2)对报警信息进行规格化，生成标准的警情矢量信息；
(3)用改进的朴素贝叶斯自动分类算法来构造分类器；
(4)对分类结果进行评估；
(5)用评估结果对分类器进行改进；
分类器工作的步骤是：
(1)输入新的警情数据；
(2)用分类器进行分类；
(3)检验修正分类结果；
(4)存储分类结果。
2.如权利要求1所述的自动分类系统，其特征在于：所述贝叶斯警情自动分类算法 构建分类器流程如下：
(1)、首先对历史报警信息数据集进行训练，根据具体的需要与要求建立相应类型 的报警信息集合；
(2)、规格化报警信息，生成标准的警情矢量信息，分别处理各种不同类别的报警 信息；
(3)每一个报警信息集合对应一个哈西表，建立表中存储的TOKEN串到词频的映 射关系；
(4)、计算每个哈希表中TOKEN串出现的概率P，
P＝(某TOKEN串的词频)/(对应哈希表的长度)；
(5)、综合考虑所有哈西表中TOKEN串出现的概率，推断出当新来的报警信息中出 现某个TOKEN串时，该报警信息为以上任何一个范畴的概率；
(6)、对每个类别的报警信息，逐个计算P(Ai|tj)(i＝1，2，...n；j＝1，2...m)，建立 新的哈希表hashtable_probability_i存储TOKEN串tj到P(Ai|tj)的映射(j＝0，1，…m， m表示属于i类报警信息的字符串总数，i＝1，2，…n，n表示报警类别总数)；
(7)、至此，以上各类报警信息集合的学习过程结束，根据建立的哈希表 hashtable_probability_i估计新到达的、已经生成标准的警情矢量的报警信息属于何 类报警类型。
3.如权利要求1或2所述的自动分类系统，其特征在于：所述规格化报警信息，生 成标准的警情矢量信息的具体方法如下：提取报警信息中出现的独立字符串，得到的内 容作为TOKEN串，并且统计提取出TOKEN串出现的次数即词频来生成矢量信息并按照上 述方法分别处理各种类别报警信息集合中的所有报警信息；所述报警信息中出现的独立 字符串是指对于结构化的报警信息直接进行特征字符串统计，对于无结构的文本信息选 择分词器，通过遍历报警信息得到符合要求的字符串。
4.如权利要求2所述的自动分类方法，其特征在于：所述综合考虑所有哈西表中 TOKEN串出现的概率，推断出当新来的报警信息中出现某个TOKEN串时，该报警信息为 某一个范畴的概率用其数学表达式表达为：
设：Ai事件----报警信息为特定的某一类报警信息；(i＝1，2，3…n)
t1，t2…….tm代表TOKEN串，
P(Ai|ti)表示在报警信息中出现TOKEN串ti时事件Ai发生的概率，
则P(Ai|tj)＝Pi(tj)/[(P1(tj)+P2(tj)+P3(tj)+P4(tj) +P5(tj)]推出当出现字符串tj时，报警信息为i类事件的概率。
5.如权利要求1所述的自动分类方法，其特征在于：所述进行分类器的工作流程如 下：
(1)输入新的警情数据，按照报警信息规格化的要求，生成TOKEN串；
(2)抽取得到关键字t1、t2 t3……tn；
(3)查询对报警类别i对应的hashtable_probability_i得到P1，P2，……PN， 表示在报警信息中出现TOKEN串tj时，该报警信息属于报警类别i的概率；
(4)按照复合概率公式计算概率，根据事先设定的阀值结果判断报警信息的类别；
(5)判断分类结果是否需要修正，若需要，修正，并将最后结果存储。
6.如权利要求5所述的自动分类方法，其特征在于：所述由复合概率公式判断报 警信息的类别方法是：设报警信息共得到N个TOKEN串，t1，t2……tn， hashtable_probability_i中对应的值为P1，P2，……PN，P(Ai|t1，t2，t3……tn)表 示在报警信息中同时出现多个TOKEN串t1，t2……tn，且报警信息属于i类报警信息的 概率；
复合概率公式可得：P(Ai|t1，t2，t3……tn)＝(P1*P2*……PN)/[P1*P2*……PN+ (1-P1)*(1-P2)*……(1-PN)]
当P(Ai|t1，t2，t3……tn)超过预定阈值α时，即可判定报警信息属于i类报警 信息。
7.如权利要求6所述的自动分类系统，其特征在于：所述当P(Ai|t1，t2，t3…… tn)超过预定阈值α时，即可判定报警信息属于i类报警信息，是指当α的取值为0.5 时，若P(Ai|t1，t2，t3……tn)＞0.5则为第i类报警信息。
8.如权利要求1所述的自动分类方法，其特征在于：所述检验修正分类结果是：进 行重复生成TOKEN串并进行判断的过程；所述对分类结果进行评估，用评估结果对分类 器进行改进是指对分类结果进行评判，对报警信息的规格化进行改进，生成新的警情矢 量信息。
9.如权利要求4所述的自动分类方法，其特征在于：所述P(Ai|ti)表示在报 警信息中出现TOKEN串ti时事件Ai发生的概率，是设置：A1表示事件“报警信息为 119报警信息”，A2表示事件“报警信息为110报警信息”，A3表示事件“报警信息 为120报警信息”，A4表示事件“报警信息为122报警信息”，A5表示事件“报警信息为 其它类型的报警信息”；通过统计报警信息样本数据，得到了表格hashtable_119， hashtable_110，hashtable_120，hashtable_122，hashtable_other，分别存储了字符串 ti在119，110，120，122以及其它报警信息中出现的频率：
P1(tj)＝(tj在hashtable_119中对应的值)，
P2(tj)＝(tj在hashtable_110中对应的值)，
P3(tj)＝(tj在hashtable_120中对应的值)，
P4(tj)＝(tj在hashtable_122中对应的值)，
P5(tj)＝(tj在hashtable_other中对应的值)。
10.如权利要求3所述的自动分类方法，其特征在于：所述对于无结构的文本信息 选择分词器，是选用最大匹配法分词器。

暂无