数据挖掘在公安情报系统中的研究与应用

论文摘要

我国公安机关担负着打击犯罪、维护治安、管理服务社会等多方面的任务,公安信息化涉及面广、业务复杂、数据量巨大,特别是随着“金盾工程”的全面实施,公安工作信息化建设得到了飞速的发展,由此产生了大量的公安业务数据。随着信息化建设的不断深入,对信息系统发挥的作用提出了更高的要求,于是决策支持提上了议事日程,而传统的事务型处理系统并不能很好地解决这类问题。《公安情报系统》正是在这样的背景下应运而生的。本文对公安源数据进行分析,设计了数据仓库;在此基础上,进行数据挖掘,在一定程度上达到了应用计算机技术分析数据和辅助破案的目的。本文主要包括以下几方面:(1)对公安源数据进行分析,设计了数据仓库;(2)采用Apriorj算法对公安数据进行关联挖掘,得出频繁项集,在一定支持度、置信度基础上,导出关联规则,得出反映实际犯罪情况的结论;(3)采用ID3算法对公安数据进行分类挖掘,构建出犯罪决策树,得出犯罪规律结论;(4)设计和实现了公安情报系统,此系统包括数据预处理模块、数据挖掘模块、OLAP联机分析处理模块。通过本系统,研究和建立适于公安机关侦查需要的情报分析模型和系统,改变了公安机关靠打“人海战术”的获取犯罪侦查情报的落后局面,实现从大量的犯罪数据中智能挖掘一些潜在的有用的情报信息,使公安机关的获取案件侦查情报的效率和质量得到提高,侦查破案的能力得到提升,使构建社会主义和谐社会保驾护航的本领得到增强。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 主要研究内容及研究现状
• 1.2.1 主要研究内容
• 1.2.2 研究现状
• 1.3 本文工作
• 1.3.1 研究内容及成果
• 1.3.2 本文结构
• 1.4 本章小结
• 第2章 数据挖掘技术基础
• 2.1 数据挖掘
• 2.1.1 数据挖掘的基本概念
• 2.1.2 数据挖掘的任务
• 2.1.3 数据挖掘过程
• 2.1.4 数据挖掘的方法
• 2.1.5 数据挖掘结果评估
• 2.2 关联规则
• 2.2.1 关联规则的基本概念
• 2.2.2 关联规则的分类
• 2.3 分类分析和决策树
• 2.3.1 决策树介绍
• 2.3.2 决策树基本算法
• 2.4 本章小结
• 第3章 数据仓库设计
• 3.1 数据仓库建模
• 3.1.1 高级模型设计
• 3.1.2 中级模型设计
• 3.1.3 低级模型设计
• 3.2 数据集成
• 3.3 建立数据仓库
• 3.4 数据仓库性能优化
• 3.5 数据仓库主要主题分析
• 3.5.1 案件信息分析
• 3.5.1.1 分析目的
• 3.5.1.2 确定主题
• 3.5.2 涉案人员分析
• 3.5.2.1 分析目的
• 3.5.2.2 确定主题
• 3.6 本章小结
• 第4章 关联规则挖掘
• 4.1 Apriori关联规则算法
• 4.2 Apriori的改进方法
• 4.3 Apriori在犯罪行为分析中的应用
• 4.3.1 数据准备
• 4.3.2 量化属性字段的离散化处理
• 4.3.3 数据挖掘
• 4.3.4 公安情报系统关联规则试验测试结果及评价
• 4.4 本章小结
• 第5章 基于决策树的数据分类
• 5.1 决策树ID3算法
• 5.2 决策树ID3算法在犯罪行为中的应用
• 5.2.1 数据准备
• 5.2.2 构建决策树
• 5.2.3 公安信息决策树分析试验测试结果
• 5.2.4 ID3算法分类结果分析
• 5.3 本章小结
• 第6章 公安情报系统的设计与实现
• 6.1 系统需求及架构设计
• 6.1.1 系统需求
• 6.1.2 技术选型
• 6.1.3 系统架构
• 6.2 系统实现
• 6.2.1 数据预处理模块
• 6.2.1.1 数据预处理模块设计
• 6.2.1.2 数据预处理模块实现
• 6.2.2 OLAP联机分析处理模块
• 6.2.2.1 OLAP联机分析处理模块设计
• 6.2.2.2 OLAP联机分析处理模块实现
• 6.2.3 数据挖掘模块
• 6.2.3.1 关联规则模块设计及实现
• 6.2.3.2 分类规则模块设计及实现
• 6.3 本章小结
• 第7章 总结与展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 个人简历 在读期间发表的学术论文与研究成果