數(shù)據(jù)挖掘技術(shù)在公安犯罪行為分析中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘技術(shù)在公安工作中的研究與應(yīng)用尚處于起步階段，許多公安業(yè)務(wù)信息系統(tǒng)還停留在初級(jí)處理水平，缺乏綜合性的開發(fā)應(yīng)用，智能化的分析研判，科學(xué)性的決策預(yù)警；缺乏對(duì)數(shù)據(jù)由微觀到宏觀的加工能力，由宏觀數(shù)據(jù)到微觀數(shù)據(jù)的問題發(fā)現(xiàn)手段。如何利用數(shù)據(jù)挖掘技術(shù)挖掘和提取潛藏在大量業(yè)務(wù)數(shù)據(jù)中具備關(guān)聯(lián)性的規(guī)律趨勢(shì)，提高公安執(zhí)法效率與快速反應(yīng)能力、及時(shí)預(yù)防和打擊犯罪行為，為警務(wù)決策提供支持服務(wù)，是本文研究的重點(diǎn)。 本文主要工作如下： 針對(duì)傳統(tǒng)A

2、priori算法在公安犯罪行為分析中忽略了不同項(xiàng)間不同重要性的問題，提出了改進(jìn)的加權(quán)關(guān)聯(lián)規(guī)則挖掘算法WARMA。改進(jìn)算法設(shè)計(jì)了加權(quán)關(guān)聯(lián)規(guī)則模型，通過提出的k-支持期望概念來排除不可能成為加權(quán)頻繁k-項(xiàng)集的候選集子集，解決了加權(quán)關(guān)聯(lián)規(guī)則挖掘中加權(quán)頻繁項(xiàng)集的子集可以不是加權(quán)頻繁項(xiàng)集的問題。實(shí)驗(yàn)及分析表明：算法WARMA有著較少的候選集和較短的執(zhí)行時(shí)間，能更有效的發(fā)現(xiàn)重大犯罪行為。 針對(duì)傳統(tǒng)Apriori算法在公安犯罪行為分析中無法及

3、時(shí)敏銳的發(fā)現(xiàn)某些新型犯罪行為的問題，提出了基于FUP的改進(jìn)關(guān)聯(lián)規(guī)則增量式更新算法SFUP，SFUP算法通過用敏感參數(shù)衡量對(duì)新項(xiàng)目的重視情況，改進(jìn)了一般增量式更新算法產(chǎn)生頻繁項(xiàng)集的過程。實(shí)驗(yàn)及分析表明：改進(jìn)算法在越大數(shù)據(jù)量下優(yōu)勢(shì)越明顯，能更有效的發(fā)現(xiàn)新型犯罪行為，在挖掘過程中顯示了良好的空間和時(shí)間性能。 針對(duì)傳統(tǒng)ID3算法在公安犯罪行為分析中存在的問題，提出了一種基于先驗(yàn)參數(shù)的改進(jìn)算法BID3，BID3算法通過增加先驗(yàn)參數(shù)B，加強(qiáng)

4、了對(duì)重要屬性的標(biāo)注，使得決策樹減少了對(duì)取值較多的屬性的依賴性，盡可能減少大數(shù)據(jù)掩蓋小數(shù)據(jù)的現(xiàn)象發(fā)生。實(shí)驗(yàn)及分析表明：在處理越大規(guī)模數(shù)據(jù)集的決策樹構(gòu)造過程中，BID3算法在效率和性能上比ID3算法有更大的優(yōu)越性。 在結(jié)合公安犯罪行為分析實(shí)際的基礎(chǔ)上，進(jìn)行了基于決策樹算法的犯罪行為分析原型系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)，提出了功能需求與系統(tǒng)流程圖，介紹了原型系統(tǒng)模塊構(gòu)成和實(shí)現(xiàn)。實(shí)驗(yàn)及分析表明：運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)公安信息數(shù)據(jù)庫(kù)中的海量數(shù)據(jù)進(jìn)行挖掘處理