中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
犯罪空间分析模式与方法

犯罪空间分析模式与方法

作者:石拓著
出版社:中国社会出版社出版时间:2020-03-01
开本: 26cm 页数: 163页
本类榜单:法律销量榜
中 图 价:¥41.8(7.2折) 定价  ¥58.0 登录后可看到会员价
暂时缺货 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

犯罪空间分析模式与方法 版权信息

  • ISBN:9787508762982
  • 条形码:9787508762982 ; 978-7-5087-6298-2
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

犯罪空间分析模式与方法 本书特色

本书在以往犯罪环境学相关研究和公安一线实战经验的基础之上,以环境数据为研究视角开展犯罪空间分析,对系统化的犯罪空间分析模式和该模式下配套分析算法展开研究,主要的工作和创新点如下: 构建系统化的基于环境数据的犯罪空间分析模式的框架——CSAE模式。该分析模式*步是针对影响犯罪空间内发案的环境因子进行筛选,提出开展犯罪空间分析要从地理、经济、交通、人口、社会资源五大方面环境因子进行分析,并在此基础上针对每类环境因子给出了具体可参考的指标项;第二步是基于筛选出的空间环境因子对犯罪空间分异格局进行探究,得到不同的犯罪空间类型;第三步是分别针对每种类型的犯罪空间开展环境对犯罪作用机理探索。该分析模式框架的提出弥补了该领域内系统化研究框架的空白,为犯罪空间分析提供了一套系统化的新思路。 在研究框架提出之上,本书又提出一种基于Bagging集成的选择性特征筛选集成算法(SEFV_Bagging),通过该种方法可以较为高效地得出引发犯罪的空间环境数据。即实现分析模式*步——环境因子筛选。实验结果显示SEFV_Bagging算法具有较好的泛化能力和稳定性,对于环境因子的筛选表现出良好的性能。 针对犯罪空间分异格局的研究提出一种聚类集成算法——CEGRA聚类集成法,实现对犯罪空间进行划分。它是基于灰色链接矩阵聚类集成方法,具有聚类效果优良、准确性高的优点,且应用该方法进行聚类集成的鲁棒性较好,稳定性表现突出,同时有效避免了类标签的匹配问题,大大降低了算法复杂度。 本书在所提的CSAE框架下,分别从宏观尺度和微观尺度开展实证研究,尤其是微观尺度的实证研究弥补了该分析尺度的研究空白。 *后在犯罪空间分异格局下开展不同类型犯罪空间的发案预测分析,为以往的主观办案经验提供科学依据,并为实战工作提供精确指导。

犯罪空间分析模式与方法 内容简介

本书通过对较为翔实的犯罪空间环境数据和犯罪数据开展具体分析, 一方面对国外相关理论、视角及方法在我国的可用性、有效性进行验证。另一方面, 本书结合空间内交通分布、人口布局、空间结构等多个方面数据样本开展实证研究, 探索出一套系统化的、适用于我国犯罪空间分析的模式, 同时在该分析模式的逻辑指导下研究了对应的算法技术, 不仅为犯罪空间分析提供了宏观指导和分析路径, 也为犯罪空间分析提供具体方法。

犯罪空间分析模式与方法 目录

1.绪论 / 001

1.1 犯罪空间研究背景及意义 001

1.1.1 犯罪空间研究背景 001

1.1.2 犯罪空间研究意义 003

1.2 国内外犯罪空间研究现状 004

1.2.1 国外犯罪地理学研究现状 004

1.2.2 国内犯罪地理学研究现状 008

1.2.3 犯罪空间分析研究现状 011

1.3 犯罪空间主要研究内容及创新点 014

1.3.1 犯罪空间主要研究内容 014

1.3.2 创新点 016

2.相关知识及关键技术 / 018

2.1 基于环境学的犯罪空间 018

2.1.1 环境犯罪学 018

2.1.2 犯罪空间分析 020

2.2 犯罪空间数据处理的关键技术 023

2.2.1 特征工程 023

2.2.2 聚类技术 024

2.2.3 回归分析预测技术 027

2.2.4 集成学习技术 028

2.2.5 空间数据可视化技术 032

2.2.6 空间相关分析技术 033

3.基于环境数据的犯罪空间分析模式 / 036

3.1 基于环境数据的犯罪空间分析模式 036

3.1.1 空间环境分异对犯罪空间的影响 036

3.1.2 基于环境数据的犯罪空间分析模式——CSAE模式

038

3.2 犯罪空间环境影响因子的指标选择及实证研究 039

3.2.1 针对犯罪空间环境影响因子的探讨 039

3.2.2 经济因子对犯罪空间的影响 042

3.2.3交通因子对犯罪空间的影响 045

3.2.4 人口因子对犯罪空间的影响 048

3.2.5 社会资源因子对犯罪空间的影响 050

3.3 基于环境因子的犯罪空间分异及实证研究 058

3.3.1 环境因子对犯罪空间分异的影响 058

3.3.2 基于环境数据的犯罪空间分异格局 059

3.3.3 犯罪空间分异的空间分析 063

3.3.4 本章小结 066

4.基于SEFV_Bagging算法的环境因子筛选实证研究 / 067

4.1 特征选择技术及集成学习技术 068

4.1.1 特征选择技术 068

4.1.2 集成特征选择算法 069

4.2 基于SEFV_Bagging算法的犯罪空间环境因子选择 070

4.2.1 犯罪空间环境因子数据准备 070

4.2.2 SEFV_Bagging算法描述 072

4.2.3 实验结果分析 083

4.3 本章小结 094

5.基于CEGRA聚类算法的犯罪空间分异实证研究 / 096

5.1 聚类集成算法 097

5.2 灰色关联分析 099

5.2.1 灰色关联分析理 099

5.2.2 灰色关联度 099

5.3 基于灰色绝对关联度的聚类集成算法 100

5.3.1 CEGRA算法框架 101

5.3.2 灰色链接矩阵的构建 102

5.3.3 一致性函数 104

5.3.4 CEGRA算法实验分析 107

5.3.5 基于CEGRA算法的犯罪空间分异实证研究 118

6.总结与展望 / 149

6.1 本书总结 149

6.2 未来展望 150

参考文献 / 152


展开全部
商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服