K-Means聚類算法在犯罪數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、隨著信息技術(shù)特別是網(wǎng)絡(luò)技術(shù)飛速發(fā)展，人們收集、存貯、傳輸數(shù)據(jù)能力不斷提高。數(shù)據(jù)出現(xiàn)了爆炸性增長，與此形成鮮明對比的是，對決策有價值數(shù)據(jù)的能力卻非常匾乏。知識發(fā)現(xiàn)與數(shù)據(jù)挖掘技術(shù)正是在這一背景下誕生的一門新學(xué)科。數(shù)據(jù)挖掘在實際應(yīng)用中發(fā)揮著巨大的作用。
　　 “創(chuàng)新平臺，打擊精確”這是公安局科技強警系統(tǒng)工程中的重點項目，在“警務(wù)信息”平臺上實現(xiàn)了網(wǎng)上查詢、網(wǎng)上追逃、網(wǎng)上破案的日常化和系統(tǒng)化，極大提高了公安機關(guān)破案攻堅的能力。但這種方法

2、也是事先設(shè)定好的，往往并不能挖掘案件嫌疑人，處理比較單一，尤其對于海量數(shù)據(jù)，查詢速度慢、效率低下、準確率不高。為克服以上缺點，采用數(shù)據(jù)挖掘技術(shù)尤為重要。
　　 本文以數(shù)據(jù)挖掘為最基本問題，針對傳統(tǒng)的k-均值算法聚類時初始聚類中心難以確定的缺點，我們對k-均值算法進行改進，在確定初始K類時，加入相對應(yīng)的權(quán)重因子，增強了收斂性，達到全局最優(yōu)，從而實現(xiàn)了聚類中心的確定。運用改進的k-均值算法對犯罪數(shù)據(jù)做逼近實驗，驗證了此方法的有效性。