基于改进K-means算法的犯罪预测模型

摘要

随着大数据时代的来临,公安部门积极推进"智慧公安"警务改革,犯罪预测成为其中的重要内容。有效的犯罪预测有助于预防犯罪,维护社会稳定。但是由于犯罪环境的复杂性,犯罪诱因的多样性,犯罪预测始终是一个具有挑战性的难题。为量化预测犯罪提供可能性,构建了一种基于改进K-means算法的犯罪预测模型。通过Gap Statistic方法自动确定聚类数目,克服了K-means算法无法确定k值的缺点。实验结果表明,该模型可以成功确定犯罪热点数量并进行聚类分析,提高了犯罪预测的客观性和准确性。