數(shù)據(jù)挖掘技術(shù)在案件串并和嫌疑人排查中的應(yīng)用

1、116數(shù)據(jù)挖掘技術(shù)在案件串并和嫌疑人排查中的應(yīng)用一、序言傳統(tǒng)的信息管理系統(tǒng)（MIS）主要針對的是日常的結(jié)構(gòu)化問題，以提高組織的運(yùn)營效率為目標(biāo)，通過將大量的數(shù)據(jù)轉(zhuǎn)換為有價值的信息來強(qiáng)化管理。隨著社會的進(jìn)步和技術(shù)的發(fā)展，人們不再僅僅滿足于獲取多種信息和簡單的使用信息，而是想在深層次上利用這些信息為組織的決策提供幫助。因此，為了彌補(bǔ)MIS的不足，為了更好進(jìn)行市場預(yù)測、資源配置、人力優(yōu)化和生產(chǎn)管理，在管理科學(xué)、運(yùn)籌學(xué)、數(shù)理統(tǒng)計、人工智能等新方法

2、和新技術(shù)的推動下，人們開始重視決策支持系統(tǒng)（DSS）的研究和應(yīng)用?！?.11”事件發(fā)生以后，西方主要發(fā)達(dá)國家都高度重視數(shù)據(jù)挖掘在刑事犯罪情報分析領(lǐng)域的應(yīng)用研究。刑事犯罪數(shù)據(jù)的分析與挖掘主要是通過對犯罪記錄進(jìn)行分析，從而發(fā)現(xiàn)犯罪行為的規(guī)律、趨勢，了解不同犯罪行為之間的關(guān)聯(lián)，以及何種狀態(tài)會誘發(fā)何種犯罪行為，進(jìn)行串并案分析，提供破案線索和情報，預(yù)測并預(yù)防犯罪。在中國，隨著經(jīng)濟(jì)增長、社會變革深入、人員流動性增強(qiáng)，影響社會穩(wěn)定的不安定因素增加。特

3、別是2008年以后，中國大陸人均GDP突破3000美元，侵財類案件進(jìn)入3162、聚類分析聚類分析方法主要是研究對象中各點(diǎn)之間存在的程度不同的相似性，根據(jù)對象屬性找出各點(diǎn)間相似程度的序列，把一些相似程度較大的點(diǎn)聚合為一類。在公安情報分析中，聚類分析方法應(yīng)用最廣泛?？梢詫Ψ缸锸侄?、特點(diǎn)、作案時間等關(guān)鍵要素進(jìn)行挖掘，幫助分析人員確定具有較高相似度的案件，刻畫嫌疑人特征，并把看似不相關(guān)的案件進(jìn)行合并偵查?？梢酝诰虬l(fā)現(xiàn)案件的高發(fā)時段、高發(fā)地區(qū)以及

4、高發(fā)的作案手段，指導(dǎo)巡邏防控和情報預(yù)警。3、協(xié)同過濾協(xié)同過濾分析方法是在用戶群中找到指定用戶興趣相似的用戶，綜合這些相似用戶對某一信息的評價，形成該指定用戶對此信息的喜好程度的預(yù)測。一般分為基于項目的協(xié)同過濾和基于用戶的協(xié)同過濾。在公安實戰(zhàn)中，我們可以將案件（一串案件）發(fā)生軌跡視為“項目”，將嫌疑人活動軌跡視為“對項目的偏好”，通過計算軌跡吻合度，推薦可能的犯罪嫌疑人。4、分類與回歸分類與回歸分析主要用于找出描述并區(qū)分?jǐn)?shù)據(jù)類的模型（或函