基于条件边界均衡生成对抗网络的入室盗窃犯罪预测研究

来源：计算机工程与应用杂志2026年第11期北京时间：

作者：张耀峰, 姚金伶, 朱艳敏, 王睿, 张志刚

单位：1.湖北经济学院 新财经交叉学科研究院，武汉 430205；2.湖北经济学院 湖北数字政府建设研究中心，武汉 430205；3.湖北经济学院 湖北数据与分析中心，武汉 430205；4.湖北经济学院 金融学院，武汉 430205；5.湖北经济学院 统计与数学学院，武汉 430205；

摘要：犯罪预测是犯罪防控的有效手段之一，精准的犯罪预测对打击犯罪、降低犯罪发生率具有重要意义。针对当前犯罪数据稀疏性等问题，为提升犯罪预测效果，提出基于条件边界均衡生成对抗网络（C-BEGAN）的犯罪预测模型。该模型使用历史犯罪数据作为条件，通过生成模型生成预测的犯罪案发情况，通过判别模型鉴别真实案发情况与生成案发情况，生成模型与判别模型进行交替对抗训练，以达到生成模型生成的案发样本无法被判别模型判别真假的最优结果。以W市入室盗窃接警数据进行实证研究，数值实验表明，与自激点模型和长短期记忆网络模型相比，基于C-BEGAN的犯罪预测模型在犯罪预测效果指数上分别提高了175.92%和10.02%。

关键词：犯罪预测,入室盗窃,条件生成对抗网络,边界均衡

基金资助：国家社会科学基金重点项目（23ATJ005）。