%A 李勇男 %T 贝叶斯理论在反恐情报分类分析中的应用研究* %0 Journal Article %D 2018 %J 数据分析与知识发现 %R 10.11925/infotech.2096-3467.2018.0708 %P 9-14 %V 2 %N 10 %U {https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/abstract/article_4569.shtml} %8 2018-10-25 %X

【目的】根据反恐情报的特点对朴素贝叶斯分类器进行修改, 为反恐情报数据的分类分析提供一种 简单实用的方法。【方法】根据反恐情报的特点删除数据噪声, 对相关性较大的属性进行归约, 对连续属性进行离散化处理; 利用预处理后的样本数据计算不同属性的条件概率; 基于最大后验假设判定数据分类。【结果】采用调高概率阈值的方式对最后的分类结果进一步筛选, 能部分抵消属性相关性对结果的影响, 最后只需对敏感等级较高的数据进行人工情报研判, 节约人力成本。【局限】本文方法对数据属性的独立性有一定的要求, 在实际使用中需要与决策树等其他分类方法组合使用, 才能覆盖更多的情报信息, 为反恐预警提供参考。【结论】该方法适用于对属性相关性较小的基础数据进行快速分类, 为人工情报研判提供参考依据。