一种基于多维风险指数的服刑人员风险评估方法专利检索-本技术领域的技术人员说明书国际申请第I章专利权专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

一种基于多维风险指数的服刑人员风险评估方法

阅读：269发布：2021-02-24

IPRDB可以提供一种基于多维风险指数的服刑人员风险评估方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于多维风险指数的服刑人员风险评估方法，涉及计算机信息处理技术中的大数据技术领域，所述风险评估方法包括如下步骤：S1、基于监狱信息系统数据的风险特征提取，S2、绝对风险指数评估，S3、相对风险指数评估，S4、突变风险指数评估，S5、综合风险指数评估。该基于多维风险指数的服刑人员风险评估方法，能充分利用现有信息系统提供的服刑人员多维度监测数据，将行为特征和行为模式的风险进行量化表示；该方法综合考虑了服刑人员在评价体系中的绝对风险、与其他服刑人员相比的相对风险和与自身历史表现的突变风险三个评估维度，最大程度地降低预警误判的可能，具有更强的自适应能力，符合实际需求。，下面是一种基于多维风险指数的服刑人员风险评估方法专利的具体信息内容。

权利要求

1.一种基于多维风险指数的服刑人员风险评估方法，其特征在于：所述风险评估方法包括如下步骤：S1、基于监狱信息系统数据的风险特征提取；

S2、绝对风险指数评估；

S3、相对风险指数评估；

S4、突变风险指数评估；

S5、综合风险指数评估。

2.根据权利要求1所述的一种基于多维风险指数的服刑人员风险评估方法，其特征在于：所述步骤S1具体为：服刑人员主要的监管安全动态特征样例，特征项数据来源于监狱各相关信息系统，特征项可根据风险评估需求及监狱信息系统的基础数据提供能力进行动态配置，设服刑人员有M个风险因子，在因子Xi下有Ni个特征其中1≤i≤M，1≤j≤Ni，每个特征项的取值由特征提取函数映射到离散的风险评估变量Xi，j，(0≤Xi，j≤5)。

3.根据权利要求1所述的一种基于多维风险指数的服刑人员风险评估方法，其特征在于：所述步骤S2具体为：设服刑人员风险评估变量Xi，j的最大值为Max(xi，j)，该特征在所属风险类别中的相对权重为wi，j，(0≤wi，j≤1)，权重值由神经网络模型预训练得到或由专家系统给定，则服刑人员在t时刻的风险因子Xi的风险值Ai(t)计算公式为：设服刑人员风险因子Xi在M个因子中的相对权重为wi，(0≤wi≤1)，则服刑人员在t时刻的风险绝对指数A(t)的计算公式为：所述步骤S3具体为：设由绝对风险指数评估方法可得某服刑

人员k在t时刻的风险因子Xi的风险值Ak，i(t)，某管理范围内，例如监区的服刑人员总数为K，所有服刑人员在t时刻的风险因子Xi的平均风险值为偏差为ΔAk，i(t)＝Ak，i(t)-，标准差为则风险相对偏差zk，i(t)计算公式为：

设服刑人员风险因子Xi在M个因子中的相对权重为wi，(0≤wi≤1)，则服刑人员在t时刻的风险相对指数Bk(t)的计算公式为：所述步骤S4具体为：设由绝对风险评估方法可得某服刑人

员在某历史时段(滑动窗口)，时间序列t1，t2，…，tL时的风险因子Xi的风险值Ai(t1)，Ai(t2) ，…，Ai(tL)，该服刑人员在该时段的风险因子Xi的平均风险值为时刻L时的偏差为ΔAi(tL)＝Ai(tL)-(Ai(tL)>，标准差为则风险相对偏差zi(tL)计算公式为：

设服刑人员风险因子Xi在M个因子中的相对权重为wi，(0≤wi≤1)，则服刑人员在tL时刻的风险突变指数C(tL)的计算公式为：所述步骤S5具体为：综合上述对于服刑人员风险评估的绝

对指数、相对指数、突变指数可以对其进行综合风险指数评估。令某服刑人员在时刻t的绝对风险评估指数为A(t)，相对风险评估指数为B(t)，突变风险评估指数为C(t)，则该服刑人员的综合风险评估指数为：Y(t)＝αA(t)+βB(t)/5+YC(t)/5，

其中，α，β，γ(α+β+γ＝1)作为三个风险评估指数的调和参数，参数值可以基于训练样本，采用多元线性回归方法确定，也可以由用户动态配置。这三个参数可分别调整相应的评估维度在综合风险指数中的影响力，包括调整参数α可控制服刑人员个体的绝对风险影响力，调整参数β可控制服刑人员在群体中的相对风险影响力，调整参数γ可控制服刑人员自身表现的突变风险影响力。

说明书全文

一种基于多维风险指数的服刑人员风险评估方法

技术领域

[0001] 本发明涉及计算机信息处理技术中的大数据技术领域，具体为一种基于多维风险指数的服刑人员风险评估方法。

背景技术

[0002] 随着监狱信息化、智能化建设进程的逐步推进，监狱建设了包括狱政管理、刑罚执行、生活卫生、劳动改造、教育改造、亲情电话、远程会见、心理测评等一系列业务管理系统；同时建设了包括门禁管理、视频监控、虚拟巡查、声光报警、数字电网、外来车辆人员进出管理、应急指挥调度、系统运行维护等综合安全管理平台。这些都为智慧监狱的数据分析研判系统对于狱情、警情、犯情的态势及趋势的判断提供了大量基础特征数据。

[0003] 目前，在监狱服刑人员管理标准中只是定性的提出重点犯、顽危犯等监管等级分类方法，在实际操作中尚未充分运用相关系统产生的数据资源进行有效的服刑人员风险分析和评估，现有方法在进行分析预警时还存在一定的片面性和不足之处。

发明内容

[0004] (一)解决的技术问题

[0005] 针对现有技术的不足，本发明提供了一种基于多维风险指数的服刑人员风险评估方法，解决了在监狱服刑人员管理标准中只是定性的提出重点犯、顽危犯等监管等级分类方法，在实际操作中尚未充分运用相关系统产生的数据资源进行有效的服刑人员风险分析和评估，现有方法在进行分析预警时还存在一定的片面性和不足之处的问题。

[0006] (二)技术方案

[0007] 为达到以上目的，本发明采取的技术方案是：一种基于多维风险指数的服刑人员风险评估方法，其特征在于：所述风险评估方法包括如下步骤：

[0008] S1、基于监狱信息系统数据的风险特征提取；

[0009] S2、绝对风险指数评估；

[0010] S3、相对风险指数评估；

[0011] S4、突变风险指数评估；

[0012] S5、综合风险指数评估。

[0013] 优选的，所述步骤S1具体为：服刑人员主要的监管安全动态特征样例，特征项数据来源于监狱各相关信息系统，特征项可根据风险评估需求及监狱信息系统的基础数据提供能力进行动态配置，设服刑人员有M个风险因子，在因子Xi下有Ni个特征其中1≤i≤M，1≤j≤Ni，每个特征项的取值由特征提取函数映射到离散的风险评估变量Xi，j， (0≤Xi，j≤5)。

[0014] 优选的，所述步骤S2具体为：设服刑人员风险评估变量Xi，j的最大值为 Max(xi，j)，该特征在所属风险类别中的相对权重为wi，j，(0≤wi，j≤1)，权重值由神经网络模型预训练得到或由专家系统给定，则服刑人员在t时刻的风险因子Xi的风险值Ai(t)计算公式为：

[0015]

[0016] 设服刑人员风险因子Xi在M个因子中的相对权重为wi， (0≤wi≤1)，则服刑人员在t时刻的风险绝对指数A(t)的计算公式为：

[0017] 所述步骤S3具体为：设由绝对风险指数评估方法可得某服刑人员k在t时刻的风险因子Xi的风险值Ak，i(t)，某管理范围内，例如监区的服刑人员总数为K，所有服刑人员在t时刻的风险因子Xi的平均风险值为偏差
为ΔAk，i(t)＝Ak，i(t)-对偏差zk，i(t)计算公式为：

[0018]

[0019] 设服刑人员风险因子Xi在M个因子中的相对权重为wi， (0≤wi≤1)，则服刑人员在t时刻的风险相对指数Bk(t)的计算公式为：

[0020] 所述步骤S4具体为：设由绝对风险评估方法可得某服刑人员在某历史时段(滑动窗口)，时间序列t1t2，…，tL时的风险因子Xi的风险值Ai(t1)，Ai(t2) ，…，Ai(tL)，该服刑人员在该时段的风险因子Xi的平均风险值为
时刻L时的偏差为ΔAi(tL)＝Ai(tL)-，标准差为
则风险相对偏差zi(tL)计算公式为：

[0021]

[0022] 设服刑人员风险因子Xi在M个因子中的相对权重为wi， (0≤wi≤1)，则服刑人员在tL时刻的风险突变指数C(tL)的计算公式为：

[0023] 所述步骤S5具体为：综合上述对于服刑人员风险评估的绝对指数、相对指数、突变指数可以对其进行综合风险指数评估。令某服刑人员在时刻t的绝对风险评估指数为A(t)，相对风险评估指数为 B(t)，突变风险评估指数为C(t)，则该服刑人员的综合风险评估指数为：

[0024] Y(t)＝αA(t)+βB(t)/5+γC(t)/5，

[0025] 其中，α，β，γ(α+β+γ＝1)作为三个风险评估指数的调和参数，参数值可以基于训练样本，采用多元线性回归方法确定，也可以由用户动态配置。这三个参数可分别调整相应的评估维度在综合风险指数中的影响力，包括调整参数α可控制服刑人员个体的绝对风险影响力，调整参数β可控制服刑人员在群体中的相对风险影响力，调整参数γ可控制服刑人员自身表现的突变风险影响力。

[0026] (三)有益效果

[0027] 本发明的有益效果在于：

[0028] 该基于多维风险指数的服刑人员风险评估方法，监狱的各类业务信息系统会对服刑人员的多维度信息实施采集、抽取，形成基础特征数据，数据分析研判系统会采用机器学习相关的智能算法，将多维特征转化为对服刑人员风险评估的判定结果并进行有效的预警，在数据分析环节，本发明可以提升服刑人员风险评估的有效性，主要体现在：1、能充分利用现有信息系统提供的服刑人员多维度监测数据，将行为特征和行为模式的风险进行量化表示，2、该方法综合考虑了服刑人员在评价体系中的绝对风险、与其他服刑人员相比的相对风险和与自身历史表现的突变风险三个评估维度，最大程度地降低预警误判的可能，具有更强的自适应能力，符合实际需求。

附图说明

下面根据附图对本发明作进一步详细说明。
图1是本发明实施例所述的服刑人员风险指数评估流程图。

具体实施方式

[0029] 下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0030] 本发明提供一种技术方案：一种基于多维风险指数的服刑人员风险评估方法，能够基于各类信息化系统提供的多维数据，更加有效的评估服刑人员的风险趋势，辅助监狱的监管安全管理工作，风险指数评估流程如图1所示。所述风险评估方法包括如下步骤：

[0031] S1、基于监狱信息系统数据的风险特征提取：

[0032] 服刑人员主要的监管安全动态特征样例，如表1所示，特征项数据来源于监狱各相关信息系统，特征项可根据风险评估需求及监狱信息系统的基础数据提供能力进行动态配置，设服刑人员有M个风险因子，在因子Xi下有 Ni个特征其中1≤i≤M，1≤j≤Ni，每个特征项的取值由特征提取函数映射到离散的风险评估变量Xi，j，(0≤Xi，j≤5)。

[0033] 表1服刑人员监管安全动态特征表

[0034]

[0035]

[0036]

[0037]

[0038]

[0039]

[0040]

[0041] S2、绝对风险指数评估：

[0042] 设服刑人员风险评估变量Xi，j的最大值为Max(xi，j)，该特征在所属风险类别中的相对权重为wi，j，(0≤w′i，j≤1)，权重值由神经网络模型预训练得到或由专家系统给定，则服刑人员在t时刻的风险因子Xi的风险值 Ai(t)计算公式为：

[0043]

[0044] 按照Ai(t)×100初步分级：

[0045] 表2风险因子绝对指数分级

[0046] 序号等级 Ai(t)×100取值范围 1 高风险＞50
2 较高风险 40-50
3 一般风险 30-40
4 低风险＜30

[0047] 设服刑人员风险因子Xi在M个因子中的相对权重为wi， (0≤wi≤1)，则服刑人员在t时刻的风险绝对指数A(t)的计算公式为：

[0048]

[0049] 按照A(t)×100初步分级(绝对指数)：

[0050] 表3绝对风险指数分级

[0051]序号等级 A(t)×100值范围
1 高风险＞50
2 较高风险 40-50
3 一般风险 30-40
4 低风险＜30

[0052] S3、相对风险指数评估：

[0053] 设由绝对风险指数评估方法可得某服刑人员k在t时刻的风险因子Xi的风险值Ak，i(t)，某管理范围内(如监区)服刑人员总数为K，所有服刑人员在t时刻的风险因子Xi的平均风险值为偏差为ΔAk，i(t)＝Ak，i(t)-，标准差为则风险相对偏差zk，i(t)计算公式为：

[0054]

[0055] 按照zk，i(t)值评估服刑人员在因子i上的相对风险等级(雷达图)，并离散化映射到Bk，i(t)：

[0056] 表4风险因子相对指数分级

[0057]

[0058]

[0059] 设服刑人员风险因子Xi在M个因子中的相对权重为wi， (0≤wi≤1)，则服刑人员在t时刻的风险相对指数Bk(t)的计算公式为：

[0060]

[0061] 按照Bk(t)值评估服刑人员的相对风险等级(相对指数)：

[0062] 表5相对风险指数分级

[0063] 序号等级 Bk(t)值范围 1 高风险＞3
2 较高风险 2-3
3 一般风险 1-2
4 低风险 0-1

[0064] S4、突变风险指数评估：

[0065] 设由绝对风险评估方法可得某服刑人员在某历史时段(滑动窗口)，时间序列t1，t2，…，tL时的风险因子Xi的风险值Ai(t1)，Ai(t2)，…，Ai(tL)，该服刑人员在该时段的风险因子Xi的平均风险值为时刻L时的偏差为ΔAi(tL)＝Ai(tL)-(Ai(tL)>，标准差为则风险相对偏差zi(tL)计算公式为：

[0066]

[0067] 按照zi(tL)值评估服刑人员在因子i上的突变风险等级，并离散化映射到Ci(tL)：

[0068] 表6风险因子突变指数分级

[0069]序号等级 zi(tL)值范围 Ci(tL)
1 高风险＞3 5
2 较高风险 1-3 3
3 一般风险 0-1 1
4 低风险＜0 0

[0070] 设服刑人员风险因子Xi在M个因子中的相对权重为wi， (0≤wi≤1)，则服刑人员在tL时刻的风险突变指数C(tL)的计算公式为：

[0071]

[0072] 按照C(tL)值评估服刑人员的突变风险等级(突变指数)：

[0073] 表7突变风险指数分级

[0074]

[0075]

[0076] S5、综合风险指数评估：

[0077] 综合上述对于服刑人员风险评估的绝对指数、相对指数、突变指数可以对其进行综合风险指数评估。令某服刑人员在时刻t的绝对风险评估指数为 A(t)，相对风险评估指数为B(t)，突变风险评估指数为C(t)，则该服刑人员的综合风险评估指数为：

[0078] Y(t)＝αA(t)+βB(t)/5+γC(t)/5，

[0079] 其中，α，β，γ(α+β+γ＝1)作为三个风险评估指数的调和参数，参数值可以基于训练样本，采用多元线性回归方法确定，也可以由用户动态配置。这三个参数可分别调整相应的评估维度在综合风险指数中的影响力，包括调整参数α可控制服刑人员个体的绝对风险影响力，调整参数β可控制服刑人员在群体中的相对风险影响力，调整参数γ可控制服刑人员自身表现的突变风险影响力。

[0080] 按照Y(t)×100分级(综合风险指数)：

[0081] 表8综合风险指数分级

[0082]

[0083]

[0084] 采用多维风险指数的服刑人员风险评估方法，能够为监狱管理提供服刑人员的风险指数，该方法应用于监狱数据分析研判中的服刑人员风险评估系统。

[0085] 以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

标题	发布/更新时间	阅读量
居家养老人员活动异常预警方法和装置-专利编号CN110349372A	2020-05-12	645
城市活动人口统计方法及其装置、计算机可读介质-专利编号CN109118413A	2020-05-12	607
建筑企业人员证书管理方法及系统-专利编号CN107689018A	2020-05-12	365
一种基于网络数据库技术的工程监理信息管理方法和系统-专利编号CN108492090A	2020-05-11	400
一种基于深度学习的施工现场人员制服穿着识别的方法-专利编号CN108491830A	2020-05-13	920
一种人员隔离观察箱及基板加工设备-专利编号CN110312368A	2020-05-13	838
人员识别方法和装置-专利编号CN102521583A	2020-05-11	227
一种基于人脸识别的数据更新方法及装置-专利编号CN108961495A	2020-05-11	174
一种煤矿井下人员管理系统-专利编号CN101436318A	2020-05-11	712
人员进出管理方法、装置、设备和存储介质-专利编号CN109726898A	2020-05-13	171

一种基于多维风险指数的服刑人员风险评估方法

一种基于多维风险指数的服刑人员风险评估方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式