公安系統(tǒng)犯罪數(shù)據(jù)挖掘系統(tǒng)的研究與應(yīng)用.pdf

1、隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展，對于傳統(tǒng)公安系統(tǒng)來說，越來越多的犯罪案件數(shù)據(jù)亟待處理。到目前為止，沒有一個功能完善的公安系統(tǒng)犯罪數(shù)據(jù)挖掘系統(tǒng)可供使用，本文通過深入研究犯罪案件數(shù)據(jù)特性以及數(shù)據(jù)挖掘方法，通過關(guān)聯(lián)規(guī)則方法和增量聚類算法構(gòu)建了一個完整的公安系統(tǒng)犯罪數(shù)據(jù)挖掘系統(tǒng)。在對犯罪案件數(shù)據(jù)挖掘算法上，選擇了更高效、更精確的FP-Growth算法代替?zhèn)鹘y(tǒng)的Apriori算法完成關(guān)聯(lián)規(guī)則提取工作，在增量聚類算法上做出了一系列改進(jìn)，使得改進(jìn)算法的效

2、果精度更好，魯棒性更好：
　?。?）采用FP-Growth算法代替?zhèn)鹘y(tǒng)的Apriori算法，該算法與Apriori算法一樣，首先需要完成頻繁項集的提取，提取完成之后建立FP樹，之后在FP樹上提取關(guān)聯(lián)規(guī)則。
　?。?）樹形規(guī)則可以采用遞歸的方式提取關(guān)聯(lián)規(guī)則，能夠較快地完成關(guān)聯(lián)規(guī)則的提取。另外，通過FP樹將可以避免傳統(tǒng)Apriori算法的重復(fù)計算冗余頻繁項集的不足之處，減少了計算開銷和存儲開銷。
　?。?）在增量聚類算法中

3、，使用屬性約減后的犯罪數(shù)據(jù)屬性特征進(jìn)行BIRCH進(jìn)行聚類，得到K個類別的中心點，將中心點作為核心樹的葉子進(jìn)行構(gòu)建，計算后續(xù)進(jìn)入的數(shù)據(jù)與葉子節(jié)點的距離，將不同的數(shù)據(jù)歸類到相應(yīng)的類別中，每個類別作為核心樹的一個分支。
　?。?）通過核心數(shù)據(jù)的迭代完善核心樹各個部分的枝葉。將讀入的新對象首先與各個類別的中心點進(jìn)行比較，判斷比較閾值，若小于閾值則歸為該類，若沒有類別合適，則重新構(gòu)建一個核心樹分支。
　?。?）通過K-means算法對

4、葉子節(jié)點進(jìn)行后續(xù)處理，增強(qiáng)了核心樹的魯棒性。將葉子節(jié)點連接成鏈表，在鏈表中將每個葉子節(jié)點進(jìn)行聚類，更新聚類中心。
　　在改進(jìn)算法基礎(chǔ)上，本文設(shè)計和實現(xiàn)了公安系統(tǒng)犯罪數(shù)據(jù)挖掘系統(tǒng)。實驗和測試結(jié)果表明，該系統(tǒng)與改進(jìn)算法能夠較快地從大量犯罪案件數(shù)據(jù)中挖掘出一些有意義的關(guān)聯(lián)規(guī)則和聚類分類結(jié)果，通過實驗發(fā)現(xiàn)關(guān)聯(lián)規(guī)則和聚類結(jié)果都較好。系統(tǒng)從犯罪案件數(shù)據(jù)中挖掘出的關(guān)聯(lián)規(guī)則和聚類特征分析，將會給公安系統(tǒng)相關(guān)部門的偵查破案帶來很多幫助，同時也為廣大