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(duì)于傳統(tǒng)公安系統(tǒng)來(lái)說(shuō)，越來(lái)越多的犯罪案件數(shù)據(jù)亟待處理。到目前為止，沒(méi)有一個(gè)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(guò)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(guò)關(guān)聯(lián)規(guī)則方法和增量聚類(lèi)算法構(gòu)建了一個(gè)完整的公安系統(tǒng)犯罪數(shù)據(jù)挖掘系統(tǒng)。在對(duì)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(lèi)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：
　　（1）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(xiàng)集的提取，提取完成之后建立FP樹(shù)，之后在FP樹(shù)上提取關(guān)聯(lián)規(guī)則。
　?。?）樹(shù)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(guò)FP樹(shù)將可以避免傳統(tǒng)Apriori算法的重復(fù)計(jì)算冗余頻繁項(xiàng)集的不足之處，減少了計(jì)算開(kāi)銷(xiāo)和存儲(chǔ)開(kāi)銷(xiāo)。
　?。?）在增量聚類(lèi)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(lèi)，得到K個(gè)類(lèi)別的中心點(diǎn)，將中心點(diǎn)作為核心樹(shù)的葉子進(jìn)行構(gòu)建，計(jì)算后續(xù)進(jìn)入的數(shù)據(jù)與葉子節(jié)點(diǎn)的距離，將不同的數(shù)據(jù)歸類(lèi)到相應(yīng)的類(lèi)別中，每個(gè)類(lèi)別作為核心樹(shù)的一個(gè)分支。
　?。?）通過(guò)核心數(shù)據(jù)的迭代完善核心樹(shù)各個(gè)部分的枝葉。將讀入的新對(duì)象首先與各個(gè)類(lèi)別的中心點(diǎn)進(jìn)行比較，判斷比較閾值，若小于閾值則歸為該類(lèi)，若沒(méi)有類(lèi)別合適，則重新構(gòu)建一個(gè)核心樹(shù)分支。
　?。?）通過(guò)K-means算法對(duì)

4、葉子節(jié)點(diǎn)進(jìn)行后續(xù)處理，增強(qiáng)了核心樹(shù)的魯棒性。將葉子節(jié)點(diǎn)連接成鏈表，在鏈表中將每個(gè)葉子節(jié)點(diǎn)進(jìn)行聚類(lèi)，更新聚類(lèi)中心。
　　在改進(jìn)算法基礎(chǔ)上，本文設(shè)計(jì)和實(shí)現(xiàn)了公安系統(tǒng)犯罪數(shù)據(jù)挖掘系統(tǒng)。實(shí)驗(yàn)和測(cè)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(lèi)分類(lèi)結(jié)果，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)關(guān)聯(lián)規(guī)則和聚類(lèi)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(lèi)特征分析，將會(huì)給公安系統(tǒng)相關(guān)部門(mén)的偵查破案帶來(lái)很多幫助，同時(shí)也為廣大