| 【中文题名】 | 基于贝叶斯网络的刑事侦查决策模型研究 |
| 【英文题名】 | Research on Crime Investigation Decision Modelling Based on Bayesian Network |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-4-29 |
| 【中关键词】 | 知识库,贝叶斯网络,场景空间,场景碎片,刑事侦查, |
| 【英关键词】 | knowledge base,Bayesian network,scenario space,scenario fragment,crime investigation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 如今，刑事犯罪活动不断呈现出智能化、科技化、集团化、专业化的特点。为了有效地打击新形势下的刑事犯罪活动，刑事侦查者必须实行科学的侦查决策。如何选择和运用最优决策成为迅速破案的关键所在。
1) 针对此应用需求，本文将人工智能技术应用于刑事侦查中，提出了一种基于贝叶斯信念网的犯罪侦查决策模型，该模型能够根据已知的证据自动构建出可能性的犯罪场景并且设计出有效的证据收集策略，最后将此模型应用于刑事侦查辅助决策系统中，本文的主要工作如下：综述并归纳了刑事侦查决策系统的研究背景和研究内容；
2) 提出了一个基于贝叶斯信念网的场景空间的决策方法。重点解决了下面三个问题：
a) 如何利用知识库中的场景碎片构建可能的场景空间
b) 如何利用基于贝叶斯诊断方面的知识来进行假设性的推理
c) 如何利用最大熵减少技术来选择调查行动。
3) 基于上述应用成果，给出了一个刑事侦查辅助系统的解决方案； |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-9 |
|
第一章 绪论 |
9-13 |
|
1.1 引言 |
9-10 |
|
1.2 研究现状 |
10-11 |
|
1.3 本文的研究内容 |
11-12 |
|
1.4 本文的组织结构 |
12-13 |
|
第二章 贝叶斯网络理论 |
13-27 |
|
2.1 贝叶斯网络 |
13-18 |
|
2.1.1 基本概念 |
13-15 |
|
2.1.2 贝叶斯网络结构 |
15-17 |
|
2.1.3 贝叶斯网络的建立方法 |
17-18 |
|
2.2 贝叶斯网络学习 |
18-23 |
|
2.2.1 参数学习 |
18-20 |
|
2.2.2 结构学习 |
20-23 |
|
2.3 贝叶斯网络推理 |
23-26 |
|
2.3.1 精确推理算法 |
23-25 |
|
2.3.2 近似推理算法 |
25-26 |
|
2.4 本章小结 |
26-27 |
|
第三章 贝叶斯决策原理 |
27-34 |
|
3.1 决策的基本概念 |
27-29 |
|
3.2 决策的基本原理 |
29-30 |
|
3.3 贝叶斯决策方法简介 |
30-32 |
|
3.3.1 经验贝叶斯决策 |
30-31 |
|
3.3.2 两阶段贝叶斯决策 |
31 |
|
3.3.3 序贯贝叶斯决策 |
31-32 |
|
3.4 本章小结 |
32-34 |
|
第四章 基于贝叶斯信念网的模型 |
34-49 |
|
4.1 基于假设的真理维持系统 |
34-36 |
|
4.2 基于贝叶斯网络的知识表达 |
36-39 |
|
4.3 有向无环图的构造 |
39-45 |
|
4.3.1 DAG的构建 |
39-43 |
|
4.3.2 伪结点的移除 |
43-44 |
|
4.3.3 DAG图的合成 |
44-45 |
|
4.4 CPT |
45-47 |
|
4.5 本章小结 |
47-49 |
|
第五章 基于贝叶斯信念网的场景空间决策 |
49-56 |
|
5.1 询问类型 |
49-50 |
|
5.2 信息熵 |
50-51 |
|
5.3 基于最小熵的证据收集方法 |
51-52 |
|
5.4 扩展 |
52-55 |
|
5.4.1 行动序列 |
53 |
|
5.4.2 多重证据 |
53-54 |
|
5.4.3 多重假设 |
54 |
|
5.4.4 证据评估总方案 |
54-55 |
|
5.5 本章小结 |
55-56 |
|
第六章 贝叶斯网络模型的应用 |
56-67 |
|
6.1 系统总体结构 |
56-57 |
|
6.2 知识表示 |
57-59 |
|
6.2.1 信息类型 |
57-58 |
|
6.2.2 场景碎片 |
58-59 |
|
6.3 场景空间的合成 |
59-63 |
|
6.4 用户界面 |
63-66 |
|
6.5 本章小结 |
66-67 |
|
第七章 总结与展望 |
67-69 |
|
7.1 总结 |
67-68 |
|
7.2 展望 |
68-69 |
|
致谢 |
69-70 |
|
参考文献 |
70-74 |
|
附录A 样本知识库 |
74-77 |
|
| 【DOI】 | LunWen.ID:2.2008.388461 |
