排序方式: 共有3条查询结果,搜索用时 93 毫秒
1
1.
2.
3.
针对目前我国安检措施存在的不足,以及缺少个人背景特征研究的现状,提出基于个人背景审查的旅客风险分级方法.利用公开的恐怖分子数据集,将样本按照危险等级分为高、中、低3类,首先使用SMOTE(Synthetic Minority Oversampling Technique)方法对训练集进行过采样,之后对比朴素贝叶斯、逻辑回归、支持向量机、多层感知机和决策树几个机器学习分类方法,根据个人背景特征对旅客进行危险等级评估.数据集测试表明,使用多层感知机作为分类器准确率最高,分类准确率为80.5%,平均F1为0.80,表明能够根据个人特征对人员进行风险分级.而且在旅客分级时,应当重点审查其从事职业、出生地和社会背景3个方面. 相似文献
1