機器學習在警務(wù)綜合系統(tǒng)中的研究和應(yīng)用.pdf

1、伴隨著互聯(lián)網(wǎng)大數(shù)據(jù)的飛速發(fā)展，各行業(yè)數(shù)據(jù)都增長迅速。警務(wù)大數(shù)據(jù)作為最具行業(yè)價值的大數(shù)據(jù)之一，得到越來越多人的重視。對于潛在且較高價值信息發(fā)現(xiàn)分析，多數(shù)研究者采用基于經(jīng)驗或者統(tǒng)計的傳統(tǒng)分析方法，此類方法對數(shù)據(jù)規(guī)模較小場景更為有效，面對警務(wù)大數(shù)據(jù)場景，該類方法并不能保證結(jié)果準確性且效率低下。本文面向警務(wù)數(shù)據(jù)，基于機器學習方法，針對警務(wù)關(guān)聯(lián)分析過程存在問題，提出基于警務(wù)關(guān)聯(lián)分析模型加速算法和警務(wù)案件關(guān)聯(lián)分析并行化算法，并最終研究與實現(xiàn)警務(wù)案件

2、關(guān)聯(lián)分析系統(tǒng)，該系統(tǒng)進一步提高了案件關(guān)聯(lián)分析的整體規(guī)則質(zhì)量，同時增強了系統(tǒng)運行性能，具體研究內(nèi)容如下：
　　1.基于組間相似度的警務(wù)關(guān)聯(lián)加速結(jié)構(gòu)構(gòu)建：該算法能夠較大幅度縮短警務(wù)關(guān)聯(lián)加速結(jié)構(gòu)構(gòu)建過程，在該結(jié)構(gòu)構(gòu)建算法中，本文以聚類思想為基礎(chǔ)，采用組間相似度策略改進原結(jié)構(gòu)構(gòu)建算法中數(shù)據(jù)逐一插入的洗牌過程，大量降低了數(shù)據(jù)洗牌時插入數(shù)據(jù)比較次數(shù)，在保證加速效果的前提下，有效降低該加速結(jié)構(gòu)構(gòu)建時間，實驗結(jié)果表明該結(jié)構(gòu)能有效提升警務(wù)關(guān)聯(lián)分析模

3、型性能。
　　2.警務(wù)案件關(guān)聯(lián)分析算法構(gòu)建：通過分析警務(wù)案件數(shù)據(jù)特點以及業(yè)務(wù)特點，本文提出警務(wù)案件關(guān)聯(lián)分析BCPM算法，該算法以基于布爾矩陣的ABBM關(guān)聯(lián)分析算法為基礎(chǔ)進行并行化優(yōu)化，增強了算法執(zhí)行效率，同時通過引入的相關(guān)度評價模型，提升了警務(wù)案件發(fā)現(xiàn)規(guī)則的質(zhì)量，實驗結(jié)果表明該模型能夠有效剔除無效、低效無用規(guī)則，較大幅度減少了執(zhí)行時間。
　　3.警務(wù)案件關(guān)聯(lián)分析系統(tǒng)設(shè)計與開發(fā)：該平臺基于Hadoop、Spark分布式計算平臺