Mar, 2012

恐怖活动的自激励障碍模型

PDF
TL;DR通过研究 1994 年至 2007 年印度尼西亚的恐怖袭击次数，建立出具有自激性质的恐怖活动预测模型，使用 shot noise 过程估计未来袭击的概率，并采用障碍模型来共同建模攻击日的概率和相应的攻击次数，发现由于没有攻击日次数的过多而出现的非攻击日数的剩余，并发动协调攻击的存在，所以最合适的数学模型为具有 shot noise 驱动参数的幂律分布。讨论了模型参数的解释，并评估了这些模型的预测性能。
terrorist activitymodelindonesiashot noise processpredictive performance
发现论文，激发创造
  • 恐怖组织活动轮廓的隐马尔可夫模型

    本论文研究了恐怖组织活动轮廓建模的方法，发展了一个基于 d 状态的隐式马尔科夫模型来追踪恐怖组织的活动轮廓，提出了一种旨在探测和追踪恐怖组织活动突发事件的状态估计策略，并通过实验表明，该方法在非持续的行为变化上有着良好的表现。

    Jul, 2012

  • 对话事件序列的自激点过程建模

    研究了 Hawkes 过程对生成突发事件序列的基础属性，然后将该模型适用于日本公司办公室中的对话序列数据，估计了个体之间自己兴奋、基础事件率和它的时间衰减的相对大小。同时指出该模型的重要局限性在于无法独立调节事件间隔的相关性和突发性。

    May, 2012

  • 使用自激励 Hawkes 过程建模和预测微博的受欢迎程度动态

    本文提出了一个基于自助 Hawkes 过程的概率模型，以表征个体微博获得其流行度的过程，并在最受欢迎的中国微博网络新浪微博上应用，证明了该模型优于基于强化泊松过程的模型。

    Mar, 2015

  • 罪案和安全数据中多源聚类的建模与估计

    本文探讨了犯罪事件和安全事件数据的聚类机制，通过使用 Hawkes 过程和背景速率为高斯 Cox 进程的滤波算法，对芝加哥的财产犯罪数据、北爱尔兰和以色列的恐怖袭击数据以及伊拉克的平民伤亡数据进行了分析，量化了传染程度与独立历史相关性水平之间的不确定性。

    Nov, 2013

  • SEISMIC: 用于预测推文受欢迎程度的自激点过程模型

    本篇论文关注于利用自激励点过程来预测给定信息发布帖子的最终转发次数。我们的模型不需要训练或者昂贵的特征工程，能够实时回答关于信息传播历史以及未来传播的问题，并且在一月的 Twitter 数据集上展现了较强的预测精度。

    Jun, 2015

  • 自激励时空点过程及其应用综述

    给出了自激励时空点过程模型的基本理论，概述了每个领域相关的估计和推断技术，强调了几个关键应用，并提出了未来研究的方向。

    Aug, 2017

  • 利用极值预测网络攻击率

    通过使用灰盒预测，可以使用能够适应数据的统计特性和现象的灰盒模型来预测网络攻击率，同时使用极端值理论和时间序列理论，可以更好地分析长期趋势和短期趋势，并提出未来的研究方向。

    Mar, 2016

  • 面对不完整数据的恶意事件预测挑战

    本文通过实证研究两个组织的真实数据，量化了过滤对于预测网络攻击可预测性的影响，发现过滤降低了网络攻击的可预测性，由于入侵事件的数据过少且具有不同于总数据集的生成过程，使得预测模型更加困难。

    Apr, 2020

  • 利用数字足迹对人类动态和生活方式建模

    通过提出一种作为生成模型的多变量周期 Hawkes 过程模型，该模型可以捕捉人类活动的时间聚类、相互依赖结构和相互兴奋以及一周内时间周期效应。我们将这个模型应用于大规模信用卡交易数据集，并证明 MPHP 在交互事件时间分布和活动预测任务的统计适合度上超过非齐次泊松模型和 LDA。

    May, 2020

  • 使用可解释的机器学习模型预测飓风疏散决策

    本研究提出了一种基于易获取的人口和资源预测因素的方法来预测家庭疏散决策，结合一个自动计算非线性阈值的可解释机器学习方法，其结果表明，在解释家庭疏散决策的变化和预测能力方面，增强的逻辑回归模型比以前的线性模型更具说服力，可为应急管理部门提供一种新的工具和框架来及时准确地评估疏散需求。

    Mar, 2023