本发明公开了基于强化学习的再犯罪风险预测方法、介质和计算设备,首先构建训练样本集,针对训练样本集进行聚类;针对于聚类得到的N个类,分别构建N个BP神经网络;将各训练样本属性,输入到对应的BP神经网络中,对BP神经网络进行训练,得到再犯罪风险预测模型;针对于需要预测再犯罪风险的测试样本,计算测试样本与各聚类中心之间的距离,选取出与测试样本之间距离最小的聚类中心,将该聚类中心所属聚类对应的训练好的神经网络作为测试样本的再犯罪风险预测模型,将测试样本的属性,输入到测试样本的再犯罪风险预测模型中,通过该模型对测试样本的再犯罪行为进行预测。本发明使得再犯罪预测的效果更加真实有效、准确以及计算速度更快。
声明:
“基于强化学习的再犯罪风险预测方法、介质和计算设备” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)