基于聚类算法的侵财犯罪嫌疑人刻画系统设计及实现
发布时间：2021-10-19 07:36
随着大数据和人工智能技术的快速发展,应用信息化解决方案日益成为各个行业解决问题的有效手段。公安机关在日常案件侦办中面临着侵财犯罪的频发高发情况,同时这些案件侦办过程中各个侦办程序都消耗了大量的警力,这与新型警务发展的初衷背道而驰,为了投入更少警力更快更准地侦破案件抓获嫌疑人,各公安部门亟需研发一套高效快速侦破侵财案件的信息化系统。侵财嫌疑人刻画系统需要达到以下两种作用:一是对侵财案件嫌疑人进行刻画,二是要对重点人员做预警。首先,针对目前侵财类案件侦破的技术手段和存在的问题,分析了侵财犯罪嫌疑人刻画系统需求分析、可行性分析,建立了某市侵财犯罪人员信息刻画信息系统,为下一步进行侵财犯罪嫌疑人数据的统计分析打下基础。其次,对某市近8年侵财犯罪案件进行了分析,运用K-means聚类算法对侵财犯罪嫌疑人特征点进行聚类分析,对盗窃、抢夺、抢劫和诈骗这四类典型侵财犯罪的特征点进行数据挖掘,归纳出对应案件犯罪嫌疑人的特征点。提出了一种Profile-K-means侵财犯罪嫌疑人画像算法,给出了算法实现及布署方法,为构建此类侵财犯罪嫌疑人刻画系统提供了特征参考模型。再次,在对侵财犯罪新发案件嫌疑人刻画系...
【文章来源】：燕山大学河北省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
某市2012年至2019年侵财类案件概况
第2章某市侵财犯罪嫌疑人刻画系统现状分析-15-案件数呈下降趋势，但是破案件数增幅不明显，也形成了侵财类案件侦破的难度越来越大的现状。本文选取非电信诈骗类的侵财案件进行研究，以提高破案率。图2-3某市近8年侵财案件立案破案率情况2.1.2某市近8年侵财犯罪案件立案及侦破情况侵财案件的逐年高发导致侵财犯罪人员的上升，自2012年至2019年，全市共打击处理38262人，其中侵财案件打击8778人，占总打击人员比例的22.94%。图2-4某市近8年抓获侵财犯罪人员情况从图中数据我们可以看出每年侵财案件抓获的人员占总体抓获人员的比例约为
第3章基于K-means算法的侵财犯罪嫌疑人画像-25-近性度量。至于其他问题，有离群点的处理。离群点可能过度影响簇的发现，导致簇的最终发布会与预想有较大的出入，所以提前发现并剔除离群点是有不要的[44-49]。还有簇分裂和簇合并，使用较大的C，往往会使得聚类的结果看，上去更加合理，然而在大多数条件下，系统并不需要通过增加簇的个数的方式来进行数据聚类分析。此时通过交替采用簇分裂和簇合并的方法，在某种程度上实现了避免陷入局部最小，能够得到具有期望个数簇的结果。从已破获案件数据库中随机抽取一个盗窃案件基本信息来说明Profile-K-means是如何工作的，如图3-1所示。假设某盗窃案件有八个嫌疑人S1~S8，应用Profile-K-means来为这些犯罪嫌疑人划分簇。图3-1初始散落的嫌疑人（特征向量）第一步：选择簇（案件分类）的数目K，假设为2个簇，所以K=2。第二步：从案件数据中选择K个随机点作为质心。图3-2随机选取质心如图3-2在这里红色和绿色的圆圈代表2个簇随机选择的质心（或随机指定的犯罪嫌疑人）。第三步：将所有的点分配到某个质心距离最近的案件分类（簇）。一旦初始化
【参考文献】：
期刊论文
[1]大数据评论采集分析系统的设计与实现[J]. 韩帅康,江涛,张顺. 电脑知识与技术. 2020(04)
[2]测谎制度在我国司法实践中的应用探究──以美国测谎制度为视角[J]. 李晓. 法制博览. 2018(28)
[3]聚类算法在教师考评中的应用[J]. 王君. 电子技术与软件工程. 2017(21)
[4]PBWA:A Provenance-Based What-If Analysis Approach for Data Mining Processes[J]. KE Jie,DONG Hongbin,TAN Chengyu,LIANG Yiwen. Chinese Journal of Electronics. 2017(05)
[5]基于平均差异度优选初始聚类中心的改进K-均值聚类算法[J]. 李武,赵娇燕,严太山. 控制与决策. 2017(04)
[6]基于多源异构数据库融合创新决策支持服务——以华东师范大学学科评估系统为例[J]. 于亚秀,李欣,鲁丹,程静. 图书馆学研究. 2017(04)
[7]基层公安机关主办侦查员制度实现路径探析[J]. 姜达,夏立款. 鸡西大学学报. 2017(02)
[8]基于聚类分析的数据挖掘方法研究[J]. 黄蓉. 山东农业大学学报(自然科学版). 2017(01)
[9]浅探信息时代经侦战线情报导侦机制[J]. 叶栩闻. 法制与经济. 2017(02)
[10]基于K-means的数据流离群点检测算法[J]. 韩崇,袁颖珊,梅焘,耿慧玲. 计算机工程与应用. 2017(03)
博士论文
[1]本地文件系统数据更新模式研究[D]. 陈杰.华中科技大学 2014
[2]进化存储系统数据组织模式研究[D]. 李怀阳.华中科技大学 2006
硕士论文
[1]基于MySQL的云数据库设计与实现[D]. 牛小宝.南京邮电大学 2016
[2]基于MySQL的分布式SQL数据库的设计与实现[D]. 刘晓光.中国科学院大学(工程管理与信息技术学院) 2016
[3]基于网页内容的海量数据管理系统的设计与实现[D]. 江君.北京交通大学 2014
本文编号：3444434
【文章来源】：燕山大学河北省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
某市2012年至2019年侵财类案件概况
第2章某市侵财犯罪嫌疑人刻画系统现状分析-15-案件数呈下降趋势，但是破案件数增幅不明显，也形成了侵财类案件侦破的难度越来越大的现状。本文选取非电信诈骗类的侵财案件进行研究，以提高破案率。图2-3某市近8年侵财案件立案破案率情况2.1.2某市近8年侵财犯罪案件立案及侦破情况侵财案件的逐年高发导致侵财犯罪人员的上升，自2012年至2019年，全市共打击处理38262人，其中侵财案件打击8778人，占总打击人员比例的22.94%。图2-4某市近8年抓获侵财犯罪人员情况从图中数据我们可以看出每年侵财案件抓获的人员占总体抓获人员的比例约为
第3章基于K-means算法的侵财犯罪嫌疑人画像-25-近性度量。至于其他问题，有离群点的处理。离群点可能过度影响簇的发现，导致簇的最终发布会与预想有较大的出入，所以提前发现并剔除离群点是有不要的[44-49]。还有簇分裂和簇合并，使用较大的C，往往会使得聚类的结果看，上去更加合理，然而在大多数条件下，系统并不需要通过增加簇的个数的方式来进行数据聚类分析。此时通过交替采用簇分裂和簇合并的方法，在某种程度上实现了避免陷入局部最小，能够得到具有期望个数簇的结果。从已破获案件数据库中随机抽取一个盗窃案件基本信息来说明Profile-K-means是如何工作的，如图3-1所示。假设某盗窃案件有八个嫌疑人S1~S8，应用Profile-K-means来为这些犯罪嫌疑人划分簇。图3-1初始散落的嫌疑人（特征向量）第一步：选择簇（案件分类）的数目K，假设为2个簇，所以K=2。第二步：从案件数据中选择K个随机点作为质心。图3-2随机选取质心如图3-2在这里红色和绿色的圆圈代表2个簇随机选择的质心（或随机指定的犯罪嫌疑人）。第三步：将所有的点分配到某个质心距离最近的案件分类（簇）。一旦初始化
【参考文献】：
期刊论文
[1]大数据评论采集分析系统的设计与实现[J]. 韩帅康,江涛,张顺. 电脑知识与技术. 2020(04)
[2]测谎制度在我国司法实践中的应用探究──以美国测谎制度为视角[J]. 李晓. 法制博览. 2018(28)
[3]聚类算法在教师考评中的应用[J]. 王君. 电子技术与软件工程. 2017(21)
[4]PBWA:A Provenance-Based What-If Analysis Approach for Data Mining Processes[J]. KE Jie,DONG Hongbin,TAN Chengyu,LIANG Yiwen. Chinese Journal of Electronics. 2017(05)
[5]基于平均差异度优选初始聚类中心的改进K-均值聚类算法[J]. 李武,赵娇燕,严太山. 控制与决策. 2017(04)
[6]基于多源异构数据库融合创新决策支持服务——以华东师范大学学科评估系统为例[J]. 于亚秀,李欣,鲁丹,程静. 图书馆学研究. 2017(04)
[7]基层公安机关主办侦查员制度实现路径探析[J]. 姜达,夏立款. 鸡西大学学报. 2017(02)
[8]基于聚类分析的数据挖掘方法研究[J]. 黄蓉. 山东农业大学学报(自然科学版). 2017(01)
[9]浅探信息时代经侦战线情报导侦机制[J]. 叶栩闻. 法制与经济. 2017(02)
[10]基于K-means的数据流离群点检测算法[J]. 韩崇,袁颖珊,梅焘,耿慧玲. 计算机工程与应用. 2017(03)
博士论文
[1]本地文件系统数据更新模式研究[D]. 陈杰.华中科技大学 2014
[2]进化存储系统数据组织模式研究[D]. 李怀阳.华中科技大学 2006
硕士论文
[1]基于MySQL的云数据库设计与实现[D]. 牛小宝.南京邮电大学 2016
[2]基于MySQL的分布式SQL数据库的设计与实现[D]. 刘晓光.中国科学院大学(工程管理与信息技术学院) 2016
[3]基于网页内容的海量数据管理系统的设计与实现[D]. 江君.北京交通大学 2014
本文编号：3444434
本文链接：https://www.wllwen.com/shoufeilunwen/shuoshibiyelunwen/3444434.html
