基于多模块贝叶斯网络的恐怖袭击威胁评估

被引：20

作者：

魏静 ^{[1
]}

王菊韵 ^{[2
]}

于华 ^{[1
]}

机构：

[1] 中国科学院大学工程管理与信息技术学院

[2] 中国传媒大学理学院

来源：

中国科学院大学学报 | 2015年 / 32卷 / 02期

基金：

北京市自然科学基金;

关键词：

恐怖袭击; 威胁评估; 多模块; 贝叶斯网络; 推理;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; D815.5 [国际安全问题，国际反恐怖、缉毒活动];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1402 ;

摘要：

通过考察恐怖袭击事件可能造成的后果,针对恐怖袭击事件评估信息的多样性、不确定性及模糊性,提出用贝叶斯网络方法对恐怖袭击威胁进行评估,从而为反恐决策者提供决策支持,以减少恐怖袭击所造成的影响.针对恐怖袭击事件的复杂性,提出多模块贝叶斯网络的恐怖袭击威胁评估模型,并对多模块贝叶斯网络的结构学习、参数学习和推理进行研究,提出多模块贝叶斯网络的推理算法.最后,给出恐怖袭击威胁度的计算方法,并对多模块贝叶斯网络的威胁评估模型进行实例分析.实例表明,基于多模块贝叶斯网络的恐怖袭击威胁评估模型,能有效评估恐怖袭击事件的威胁程度.

引用

页码：264 / 272

页数：9

共 12 条

[1]

Overview on Bayesian networks applications for dependability; risk analysis and maintenance areas.[J].P. Weber;G. Medina-Oliva;C. Simon;B. Iung.Engineering Applications of Artificial Intelligence.2010, 4

[2]

Application of AHP FSE Method in the Network Course Quality Evaluation.[J].Rubo Geng;Gang Xu.Procedia Engineering.2011,

[3] Incorporating expert knowledge when learning Bayesian network structure: A medical case study [J].

Julia Flores, M. ;

Nicholson, Ann E. ;

Brunskill, Andrew ;

Korb, Kevin B. ;

Mascaro, Steven .

ARTIFICIAL INTELLIGENCE IN MEDICINE, 2011, 53 (03) :181-204

[4]

Bayesian network classifiers for identifying the slope of the customer lifecycle of long-life customers.[J].Bart Baesens;Geert Verstraeten;Dirk Van den Poel;Michael Egmont-Petersen;Patrick Van Kenhove;Jan Vanthienen.European Journal of Operational Research.2003, 2

[5] A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA [J].