公安重点关注对象的聚类分析研究

摘要

随着我国经济社会的快速发展，人员流动性增强，犯罪行为也在往团伙化、组织化发展。而目前城市人口基数大，公安警力不足，难以监控到所有的公安重点关注人员和犯罪行为。“科技强警”成为公安部门的发展战略，随着公安科技信息化的进步，越来越多的数据被公安部门获取，比如人员关系网络、通话记录、轨迹信息等。聚类分析可以从这些大数据中将一些紧密的社团提取出来，这样就可以帮助公安部门筛选重点关注对象，从而极大减轻公安部门的工作负担，并且有可能发现潜在的犯罪嫌疑人或犯罪团伙。因此，研究社团的聚类分析是解决公安实际问题的一个重要课题。
　　本文针对上述问题，研究了国内外已有的社团（人员）聚类算法的优点和缺点，并结合实际需求，分别提出了两种聚类分析方法。第一个方法是基于通话记录的社团划分方法，该方法能够从给定的犯罪嫌疑人通话记录中发现联系密切的关联犯罪嫌疑人。这种方法通过信息提取，将人与人之间的关联抽象为网络图模型，然后基于模块度指标，对人员运用层次聚类算法，经过多次迭代，最终求得最优划分结果;第二个方法利用人员网吧、酒店、车站等轨迹信息，将其抽象成为空间数据，从而对给定的一批关于人员的轨迹信息中找到潜在的内部联系，从而发现犯罪团伙。该方法利用本文提出的空间轨迹向量化方法，将人员的轨迹数据转化为一维向量，然后对一批人员的轨迹矩阵进行潜语义分析，提取轨迹特征，最终利用k-means聚类算法对轨迹特征进行聚类，从而实现了人员聚类的目的。在实现算法后，我们与某市公安局情报中心合作，获得了较好的应用效果。

目录

声明

摘要

第1章 绪论

1．1 论文选题的背景与意义

1．1．1 选题背景

1．1．2 选题意义

1．2 国内外研究现状及发展趋势

1．3 论文的主要内容

1．4 本文结构安排

第2章 社交网络中的社团检测

2．1 聚类分析概述

2．1．1 聚类分析概念

2．1．2 聚类分析过程

2．2 社交网络中社团检测的技术研究

2．2．1 社交网络和社团检测的基本概念

2．2．2 社交网络中的聚类算法

2．3 评估函数介绍

2．4 本章小结

第3章 基于通话记录的聚类分析

3．1 聚类分析过程描述

3．2 聚类分析过程功能模块

3．2．1 数据分析和提取模块

3．2．2 社交网络构建模块

3．2．3 社团检测模块及划分算法

3．3 结果输出及展示模块

3．3．1 实验数据集

3．3．2 评价函数

3．3．3 实验结果分析

3．4 本章小结

第4章 基于活动轨迹的聚类分析

4．1 聚类分析过程描述

4．2 聚类分析过程功能模块和算法研究

4．2．1 数据预处理模块

4．2．2 潜语义分析模块和潜语义分析算法

4．2．3 重点人员聚类模块及k-means聚类算法

4．3 结果输出及展示

4．3．1 实验数据集

4．3．2 评价函数

4．3．3 实验结果分析

4．4 本章小结

第5章 总结和展望

5．1 工作总结

5．2 未来展望

参考文献

致谢

攻读学位期间发表的学术论文和参加科研情况