数据挖掘技术在刑事案件信息分析中的应用

论文摘要

随着“金盾工程”的建设和应用，各级公安机关业务系统积累了大量的刑事案件原始数据信息。如何采用信息技术，发现更多数据中隐藏的犯罪规律，以期提高公安机关打击侦破犯罪的水平，成为一个极具现实意义的课题。本文基于数据挖掘技术,结合SQL Server2000数据库,通过数据清洗、概化及连续属性离散化把大量不适用挖掘的数据转化为适用挖掘的数据，首先解决了数据预处理问题；然后基于关联规则,重点研究了Aprior算法的改进，通过对剪枝和连接步的优化，有效提高了算法运行效率，分析兵团某师近三年的刑事案件数据记录，得出频繁项集，导出关联规则，分析了案件类别与犯罪嫌疑人年龄、职业、户籍、文化程度等因素之间的关联关系；运用ID3算法，基于信息增益，构建了以案件类别为核心的犯罪分析决策树，并对模型进行了解释评估；最后设计开发出一个小型仿真刑事案件信息分析系统，验证了算法实现，为数据挖掘关联规则技术在地区公安信息分析中的应用提供了新思路，并拓展了该技术的使用范围。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景
• 1.2 研究的目的和意义
• 1.3 数据挖掘的国内外发展及应用现状
• 1.4 主要研究内容
• 1.5 论文的组织结构
• 第二章 相关理论及技术
• 2.1 数据挖掘的概念
• 2.1.1 数据挖掘定义
• 2.1.2 数据挖掘任务及功能
• 2.2 数据挖掘的实施过程
• 2.3 数据挖掘常用方法
• 2.4 本章小结
• 第三章 总体需求分析
• 3.1 相关业务系统介绍
• 3.2 刑事案件信息分析系统的需求分析
• 3.2.1 系统设计原则和开发依据
• 3.2.2 业务需求
• 3.2.3 工作流程
• 3.2.4 用例分析
• 3.2.5 概念模型
• 3.2.6 逻辑模型
• 3.2.7 功能需求
• 3.2.8 性能需求
• 3.2.9 系统需求
• 3.3 开发环境
• 3.3.1 数据库的选择
• 3.3.2 开发语言
• 3.4 本章小结
• 第四章 关键技术研究
• 4.1 数据预处理的应用
• 4.1.1 数据预处理方法
• 4.1.2 刑事案件信息的预处理
• 4.2 Apriori 算法的改进与实现
• 4.2.1 Apriori 算法描述
• 4.2.2 Apriori 算法的不足之处
• 4.2.3 针对算法瓶颈的解决方法
• 4.2.4 Apriori 算法基于数据库实现与改进
• 4.2.5 挖掘结果评估与解释
• 4.2.6 改进后的算法效率评估
• 4.3 决策树分类法的应用
• 4.3.1 决策树 ID3 算法描述
• 4.3.2 ID3 算法在刑事案件信息分析中的应用模型
• 4.3.3 决策树模型解释评估
• 4.4 本章小结
• 第五章 刑事案件信息分析系统设计与实现
• 5.1 开发环境
• 5.2 功能结构
• 5.3 系统设计
• 5.4 数据预处理模块实现
• 5.4.1 数据库初始化
• 5.4.2 数据清洗和转换
• 5.4.3 连续属性离散化和概念分层
• 5.5 关联规则挖掘模块实现
• 5.6 其他功能模块
• 第六章 测试
• 6.1 测试目的
• 6.2 测试环境
• 6.3 功能测试
• 6.3.1 数据预处理的运行与测试
• 6.3.2 关联规则分析运行与测试
• 6.4 性能测试
• 6.5 小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 不足之处和展望
• 致谢
• 参考文献