基于數(shù)據(jù)挖掘技術(shù)的犯罪相關(guān)因素分析.pdf

1、公安系統(tǒng)在多年的工作實(shí)踐中,一方面不斷在推進(jìn)信息化建設(shè),另一方面,其在公安工作專門數(shù)據(jù)和社會(huì)信息都已經(jīng)有了相當(dāng)規(guī)模的數(shù)據(jù)積累,運(yùn)用數(shù)據(jù)挖掘技術(shù)分析犯罪因素是公安系統(tǒng)一個(gè)重要且有意義的課題。與傳統(tǒng)數(shù)據(jù)分析技術(shù)相比,數(shù)據(jù)挖掘從已有的數(shù)據(jù)中提取模式規(guī)律,并且把數(shù)據(jù)提煉成知識(shí)。
　　 本文使用多種分類、聚類方法和提出的改進(jìn)貝葉斯網(wǎng)絡(luò)方法對(duì)犯罪人員的背景信息,心理信息和基因信息進(jìn)行綜合挖掘,以求發(fā)現(xiàn)影響以及造成犯罪的因素。具體研究工作有以

2、下幾點(diǎn):
　　 1)應(yīng)用多種分類和聚類方法對(duì)犯罪人員數(shù)據(jù)集進(jìn)行初步挖掘,分析犯罪因素。在分類中選擇了的決策樹ID3分類器、決策樹C4.5分類器和樸素貝葉斯分類器。選取了聚類方法中的k-means劃分聚類和BIRCH層次聚類進(jìn)行分析。但針對(duì)犯罪因素分析這一特殊問題,分類與聚類算法對(duì)知識(shí)的表達(dá)不夠細(xì)致與清晰。
　　 2)由于傳統(tǒng)K2算法采用隨機(jī)模式生成變量序列來限制搜索空間,具有一定的盲目性,所以本文提出改進(jìn)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

3、學(xué)習(xí)K2-P算法。新算法通過基于條件獨(dú)立性的SGS和PC2算法改進(jìn)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí),生成蘊(yùn)含原始數(shù)據(jù)知識(shí)的拓?fù)鋱D,供全拓?fù)溥^濾器生成拓?fù)湫蛄屑?作為下一步結(jié)構(gòu)學(xué)習(xí)的變量順序。對(duì)比實(shí)驗(yàn)可以證明K2-P算法可以搜索到比K2算法更高評(píng)分值的貝葉斯網(wǎng)絡(luò)。
　　 3)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)搜索是一個(gè)NP-Hard問題,傳統(tǒng)K2算法在尋找每個(gè)屬性節(jié)點(diǎn)其可能的父節(jié)點(diǎn)集合時(shí)采用貪婪搜索策略,可能會(huì)舍棄更優(yōu)的解,所以本文提出K2-EX算法。通過進(jìn)行躍遷