基于數(shù)據(jù)挖掘的犯罪行為分析及系統(tǒng)實現(xiàn).pdf

1、隨著我國的現(xiàn)代化建設(shè)和科技興國的不斷深入，社會經(jīng)濟、科技技術(shù)都得到迅猛發(fā)展，數(shù)據(jù)挖掘也融合數(shù)據(jù)庫技術(shù)、人工智能、信息檢索、統(tǒng)計學、數(shù)據(jù)可視化、面向?qū)ο蠓椒?、機器學習、高性能計算等最新技術(shù)，形成了獨具特色的研究分支。與此同時，犯罪行為的高智能化、高科技化、動態(tài)化、組織化和職業(yè)化趨向也越來越明顯，違法犯罪行為的高速變化對公安警務(wù)改革、偵查謀略、執(zhí)法效率、犯罪控制和防范策略等提出了嚴峻挑戰(zhàn)。目前，很多國家和城市都加大了犯罪數(shù)據(jù)挖掘工具的研究投

2、入，都更加重視犯罪數(shù)據(jù)的搜集、分析和挖掘，積極的研究開發(fā)犯罪行為分析系統(tǒng)。
　　本文基于盜竊案件占多發(fā)性侵財案件總數(shù)絕大多數(shù)，和入室盜竊案件容易誘發(fā)其他惡性案件的現(xiàn)狀，將數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則挖掘、分類分析、聚類分析三種技術(shù)應(yīng)用到對入室行竊犯罪行為數(shù)據(jù)的分析中，開發(fā)了一個操作簡單、智能化的犯罪行為分析系統(tǒng)，幫助用戶對入室行竊犯罪行為的分析和預(yù)測。系統(tǒng)的主要功能包括:
　　(1)入室行竊犯罪數(shù)據(jù)的關(guān)聯(lián)性分析，利用FP-Gro

3、wth算法對犯罪行為的基本特征屬性進行分析，首先產(chǎn)生所需要的頻繁模式;然后，由頻繁模式樹生成關(guān)聯(lián)規(guī)則，挖掘隱藏在數(shù)據(jù)間的相互關(guān)系來找出犯罪行為之間的關(guān)系，如:哪類人員在相同作案時間段發(fā)生的犯罪活動中易成為受害者。以得出的強關(guān)聯(lián)規(guī)則形成的知識庫就可以有效的幫助有關(guān)執(zhí)法部門分析案件，更有針對性的部署決策，并起到提前預(yù)防犯罪的作用;
　　(2)基于分類技術(shù)的犯罪行為分析，采用決策樹C4.5算法分析犯罪人員的基本特征屬性，例如:犯罪人文化