数据挖掘技术在高危人员犯罪信息挖掘的应用研究

摘要

公安部门在维护社会稳定和经济繁荣方面起着重要作用。公安部门的业务范围很广泛，涉及刑事、交通、社会治安等社会的方方面面。随着国家“金盾”工程的推进和公安信息化建设的不断发展，如今在众多的公安信息中心内部积累了大量的相关数据。然而，目前在公安部门多数应用系统对这些数据的使用大多数仍停留在查询、统计等简单和传统功能上，缺少对数据的深层次分析。而公安部门迫切需要一种自动化工具挖掘隐藏在犯罪数据中的规律和趋势。因此，如何及时地从纷繁芜杂的海量这些数据中获得有用信息及发现有用的知识已成为公安部门侦破案件、提高案件处理效率的关键。
　　 本文首先介绍了数据挖掘的相关知识，重点研究关联规则的Apriori算法及相关的改进算法。
　　 其次，详细讨论了Apriori算法和k-means聚类算法在高危人员犯罪信息分析方面的应用。
　　 第三，简要概述了刑事犯罪信息系统的设计原则、系统结构、主要功能模块和主要数据库表；
　　 第四，着重研究基于关联规则和聚类分析技术构建了高危人员犯罪信息分析辅助系统。介绍了该系统主要界面，详细说明了利用该系统如何实现对数据集进行关联规则挖掘和聚类分析，并对所挖掘的关联规则和聚类结果进行了分析。所设计与实现的高危人员犯罪信息分析辅助对真实数据集的测试结果系统表明该系统的有效性。基于高危人员犯罪信息分析辅助系统得出的规则和聚类结果对公安机关案件处理有一定的借鉴价值，并给管理者提供决策辅助。
　　 论文最后对所做的工作进行了简要总结，并提出下一步的改进方向。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景

1.2公安信息化与数据挖掘

1.3主要研究内容与论文结构

1.3.1主要研究内容

1.3.2论文组织结构

第2章数据挖掘概述

2.1数据挖掘的定义

2.2数据挖掘技术的分类

2.3数据挖掘的知识表示

2.4数据挖掘的主要方法

2.4.1分类预测型方法

2.4.2描述性方法

2.4.3文本／WEB挖掘方法

2.5数据挖掘的过程

2.6数据挖掘应用领域

2.7本章小结

第3章基于关联规则和聚类技术的高危人员犯罪信息分析

3.1数据挖掘中的关联关系分析

3.1.1关联规则的基本概念

3.1.2关联规则的分类

3.1.3关联规则的生成

3.1.4 Apriori算法

3.1.5 Apriori算法的改进

3.2数据挖掘中的聚类分析(k-means)

3.2.1聚类分析的基本概念

3.2.2聚类分析的方法

3.2.3相异度的计算

3.2.4 k-means聚类算法

3.3关联规则和聚类技术在高危人员犯罪和多发案件分析中的应用

3.3.1基于关联规则的高危人员犯罪信息分析

3.3.2聚类方法发现案件规律

3.4本章小结

第4章刑事犯罪信息系统概述

4.1系统设计原则

4.2系统总体结构

4.3功能模块设计

4.4数据库设计

4.5本章小结

第5章高危人员犯罪信息分析辅助系统的设计与实现

5.1高危人员犯罪信息分析辅助系统概述

5.2高危人员犯罪信息分析辅助系统的设计

5.3基于Apriori改进算法的高危人员犯罪信息挖掘的实现

5.3.1开发环境

5.3.2系统的主界面和主要功能界面

5.4基于Apriori改进算法的高危人员犯罪信息数据挖掘实现

5.4.1关联规则的生成

5.4.2关联规则的分析

5.5基于K-means算法的高危人员犯罪信息挖掘实现

5.5.1数据的预处理

5.5.2聚类生成

5.5.3结果分析

5.6本章小结

第6章总结与展望

6.1总结

6.2展望

参考文献

致谢