本文關(guān)鍵詞：基于加權(quán)時空關(guān)聯(lián)規(guī)則的公交扒竊犯罪模式識別

  更多相關(guān)文章： 時空關(guān)聯(lián)規(guī)則 犯罪模式 公交扒竊 Apriori算法 FP-growth算法 地圖可視化

【摘要】：近年來,公交扒竊案案發(fā)率呈上升趨勢。公交扒竊案不僅對受害者造成經(jīng)濟上的損失,還由于其近身作案的特點可能危及到受害者的人身安全,危害性極大。為了預(yù)防和打擊該類犯罪,需要對其犯罪模式進行有效識別。由于公交扒竊發(fā)生在移動的公交車上,很難得到具體的案發(fā)地和時間,不利于犯罪時空分布規(guī)律的分析。同時傳統(tǒng)的犯罪分析方法往往將時間和空間分割開來研究,得到的分析結(jié)果具有片面性,割裂了公交扒竊犯罪在時空上的耦合性,不利于公安民警的辦案推理與警力部署等方面工作。所以本文引入加權(quán)時空關(guān)聯(lián)規(guī)則對公交扒竊數(shù)據(jù)進行挖掘分析,試圖找出公交扒竊的案發(fā)時空規(guī)律。具體的工作和特色如下：(1)對公交扒竊數(shù)據(jù)進行時間粒度和空間粒度的劃分,將公交主要運營時間以2小時為單位劃分成等間隔的公交時段并對其進行編碼,將公交線路按公交站點劃分成案發(fā)路段；(2)對數(shù)據(jù)進行空間分析和時間歸并,提取出每個案事件發(fā)生的公交路段和案發(fā)時段,并將案發(fā)時段歸并到公交時段中；(3)由于每個公交路段的案發(fā)率不同,其對結(jié)果的貢獻率也不同,因此給每個路段賦予一個權(quán)重；(4)分別采用基于矩陣和項目約束的加權(quán)ICApriori算法與加權(quán)ICFP-growth算法進行加權(quán)關(guān)聯(lián)規(guī)則挖掘,得到公交扒竊的時空犯罪模式,并對結(jié)果進行地圖可視化表達與分析。挖掘結(jié)果與可視化地圖可用于輔助公安打擊和預(yù)防犯罪、優(yōu)化警力部署等警務(wù)工作。實踐證明,上述方法具有以下特色：第一,按公交站點將公交扒竊地點劃分成案發(fā)路段；第二,根據(jù)公交路段的案發(fā)率對案發(fā)路段進行加權(quán),更符合實際的案發(fā)率情況；第三,基于矩陣和項目約束的ICFP-growth算法減少了對數(shù)據(jù)庫的掃描次數(shù),比ICApriori算法效率更高；第四,對結(jié)果進行地圖可視化分析,使用戶能更直觀觀察與分析挖掘結(jié)果,并且能得到更多有用的信息。
【關(guān)鍵詞】：時空關(guān)聯(lián)規(guī)則 犯罪模式 公交扒竊 Apriori算法 FP-growth算法 地圖可視化
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP311.13;D631.2
【目錄】：

• 中文摘要3-4
• Abstract4-8
• 第一章 緒論8-17
• 1.1 課題研究背景和意義8
• 1.2 公交扒竊研究現(xiàn)狀8-9
• 1.3 關(guān)聯(lián)規(guī)則9-11
• 1.3.1 關(guān)聯(lián)規(guī)則的定義9-10
• 1.3.2 關(guān)聯(lián)規(guī)則的分類10
• 1.3.3 關(guān)聯(lián)規(guī)則的研究進展10-11
• 1.4 時態(tài)關(guān)聯(lián)規(guī)則11-12
• 1.5 空間關(guān)聯(lián)規(guī)則12-13
• 1.6 時空關(guān)聯(lián)規(guī)則13-15
• 1.6.1 時空關(guān)聯(lián)規(guī)則的空間語義擴充14
• 1.6.2 時空關(guān)聯(lián)規(guī)則的時間語義擴充14-15
• 1.6.3 時空關(guān)聯(lián)規(guī)則挖掘方法與研究15
• 1.7 關(guān)聯(lián)規(guī)則在犯罪領(lǐng)域的應(yīng)用15-16
• 1.8 論文的組織結(jié)構(gòu)16-17
• 第二章 加權(quán)關(guān)聯(lián)規(guī)則與可視化17-31
• 2.1 加權(quán)關(guān)聯(lián)規(guī)則17-22
• 2.1.1 權(quán)值的提出與定義17
• 2.1.2 項目權(quán)值的計算17-19
• 2.1.3 項集權(quán)值的計算19-20
• 2.1.4 經(jīng)典加權(quán)關(guān)聯(lián)規(guī)則算法20-22
• 2.2 關(guān)聯(lián)規(guī)則可視化22-30
• 2.2.1 常見關(guān)聯(lián)規(guī)則可視化22-26
• 2.2.2 其他關(guān)聯(lián)規(guī)則可視化26-28
• 2.2.3 交互可視化28-30
• 2.3 本章小結(jié)30-31
• 第三章 基于項目約束的關(guān)聯(lián)規(guī)則算法31-44
• 3.1 Apriori31-36
• 3.1.1 ICApriori算法31-34
• 3.1.2 基于矩陣的加權(quán)ICApriori算法挖掘34-36
• 3.2 FP-growth36-42
• 3.2.1 FP-growth算法36-39
• 3.2.2 基于項目約束的ICFP-growth39-41
• 3.2.3 基于矩陣的加權(quán)ICFP-growth41-42
• 3.3 本章小結(jié)42-44
• 第四章 公交扒竊加權(quán)時空關(guān)聯(lián)規(guī)則挖掘——以福州市主城區(qū)數(shù)據(jù)為例44-69
• 4.1 公交扒竊犯罪模式分析45-48
• 4.1.1 公交扒竊時空事務(wù)表的構(gòu)建45-47
• 4.1.2 公交扒竊權(quán)重矩陣的構(gòu)建47-48
• 4.2 挖掘結(jié)果48-51
• 4.2.1 算法挖掘效率對比48-49
• 4.2.2 挖掘結(jié)果分析49-51
• 4.3 挖掘結(jié)果可視化51-69
• 第五章 結(jié)論與展望69-70
• 5.1 結(jié)論69
• 5.2 展望69-70
• 參考文獻70-75
• 致謝75-76
• 個人簡歷、在校期間研究成果及發(fā)表論文76

【相似文獻】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 董林;時空關(guān)聯(lián)規(guī)則挖掘研究[D];武漢大學(xué);2014年

2 蘇偉;基于時空關(guān)聯(lián)性的無線傳感器網(wǎng)絡(luò)網(wǎng)關(guān)異常檢測研究[D];上海大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 葉文菁;基于加權(quán)時空關(guān)聯(lián)規(guī)則的公交扒竊犯罪模式識別[D];福州大學(xué);2014年

2 劉慧;基于時空關(guān)聯(lián)思想的初中地理教學(xué)策略研究[D];天津師范大學(xué);2014年

3 陳文曲;基于外觀特征和時空關(guān)聯(lián)的無重疊視域目標跟蹤技術(shù)研究[D];南京郵電大學(xué);2013年

4 嚴明;高速公路中車輛對象同一性的檢索[D];昆明理工大學(xué);2014年

，

本文編號：1096132