發(fā)布時間：2017-11-15 02:08

  本文關鍵詞：基于決策樹的基層警務信息管理中的應用

  更多相關文章： 優(yōu)化警力 精準打擊 C4.5算法 粗糙集、簡約C4.5算法

【摘要】：公安工作是現今打擊社會犯罪、維護社會治安的主導力量。如何有效打擊犯罪一直是社會關注的問題,而基層警務信息管理是確保社會治安穩(wěn)定的重要基礎。在傳統(tǒng)公安模式中,跟據刑事發(fā)案率、治安發(fā)案率、人口數等綜合條件對各派出所進行警員分配。隨著人口的增長、流動人口的逐年增長,原始警務模式既不能有效預防犯罪,更不能優(yōu)化警力資源配置。所以以防代打、精準預防犯罪新型警務模式應運而生,預防犯罪就是將警務派出所內管轄區(qū)域具體劃分不同等級,對于不同等級區(qū)域,采用不同管理方式,目標是在同等警力或警力不足的前提下有效打擊犯罪,優(yōu)化警力資源,提高社會治安狀況,降低案件發(fā)案率。近年來,許多社會學者和公安專家開始按照社會治安狀況的各種屬性將同一地區(qū)劃分為不同等級的治安區(qū),即治安管理區(qū)域分級。隨著計算機技術的不斷升級,越來越多的新科技和新算法應用于治安區(qū)域的在管理中,國內外對治安區(qū)域的劃分主要有經驗法,統(tǒng)計法等。國內外一些專家將改進的蟻群聚類算法、k均值聚類算法、加權模糊聚類算法、模糊c均值聚類算法、粒子群優(yōu)化算法、以及決策樹分類法等數據挖掘技術應用到治安區(qū)域管理。本文研究的就是決策樹算法在基層治安管理區(qū)域劃分中的應用。本文的主要工作和研究成果如下:(1)進行了K-means算法、DBSCAN算法、C4.5算法對管理區(qū)域劃分的研究,通過實驗結果證明無論是K-means算法、DBSCAN算法、C4.5算法都能夠對于管理區(qū)域劃分起到指導作用,而且C4.5算法將管理區(qū)域類數據作為離散數據處理,更加準確的分析出了各管理區(qū)域的主要特點,能夠達到精準劃分管理區(qū)域的目標。(2)進行了粗糙集簡約C4.5算法的研究,粗糙集簡約C4.5算法是C4.5算法的改進算法,傳統(tǒng)的C4.5算法僅依靠信息增益率選擇決策點,分類依據單一,容易受類別中樣本個數的影響。粗糙集簡約C4.5算法表達了當前數據環(huán)境下屬性對決策的影響,將它與決策者的經驗知識相結合,可以更加客觀的反應屬性權重,解決了C4.5算法分類依據單一、易受類別樣本個數影響的缺點。(3)通過運用粗糙集C4.5算法對東豐縣黃河鎮(zhèn)的治安管理區(qū)數據進行等級劃分,綜合考慮了主觀權重和客觀權重的比例分配問題,驗證了該算法在管理區(qū)域劃分上的可行性。經過圖像對比分析可以看出,粗糙集C4.5算法相對于傳統(tǒng)C4.5能更好的實現對區(qū)域劃分的評價,說明粗糙集簡約C4.5在對管理區(qū)域分級方面具有可行性。(4)將粗糙集簡約C4.5應用到東豐縣黃河鎮(zhèn)治安數據中,利用粗糙集簡約C4.5決策樹算法對東豐縣黃河鎮(zhèn)2009年到2015年連續(xù)7年的警務管理情況數據(每年數據量為21組,從刑事案件、治安案件、距離、人口數4個屬性)進行預測分析,通過可視化的圖形模式對比分析結果可知,經過對比分析,粗糙集C4.5算法能較好的實現警務管理數據的預測分析,與當地實際治安區(qū)域情況相對吻合。研究表明,運用改進的決策樹等數據挖掘算法能夠實現對警務管理數據的分析,能夠科學合理的利用警力資源,并實現預防犯罪、精準打擊犯罪的高效手段,這將成為各國研究新型警務模式的方向。
【學位授予單位】：吉林農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：D631.1;TP18

【相似文獻】

中國期刊全文數據庫 前8條

1 魏高樂;;粗糙集理論在裝備研制費用風險評價中的應用[J];實驗技術與管理;2011年04期

2 趙戰(zhàn)彪;齊鷗;陳春良;石文華;;基于粗糙集的裝備保障要素關系研究[J];裝甲兵工程學院學報;2013年01期

3 周業(yè)明;林秀芹;曹之新;文學義;;基于粗糙集的不完備情報信息系統(tǒng)的完備化[J];軍事運籌與系統(tǒng)工程;2007年02期

4 王耀清;;基于粗糙集理論的股票時間序列數據的關聯(lián)規(guī)則方法研究[J];山西煤炭管理干部學院學報;2012年04期

5 解亮亮;韓林;;基于粗糙集的空襲目標威脅評估排序[J];火力與指揮控制;2009年09期

6 丁國勤,孟衛(wèi)東;基于粗糙集的知識推理在后勤保障智能決策系統(tǒng)中的應用研究[J];軍事運籌與系統(tǒng)工程;2005年03期

7 陳小衛(wèi);王新政;馬琳;孔麗;;不完備信息下裝備保障點選址決策方法[J];火力與指揮控制;2013年05期

8 ;[J];;年期

中國重要會議論文全文數據庫 前10條

1 黎文航;陳善本;王兵;;粗糙集理論在焊接中的應用綜述[A];第十一次全國焊接會議論文集（第2冊）[C];2005年

2 尹宗成;;粗糙集理論在我國糧食產量預測中的應用[A];現代農業(yè)理論與實踐——安徽現代農業(yè)博士科技論壇論文集[C];2007年

3 鄒剛;滕書華;孫即祥;陳森林;敖永紅;;一種粗糙集優(yōu)化協(xié)同原型模式約簡分類方法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

4 葛麗;傅彥;;粗糙集在科學數據屬性約簡中的應用[A];第二十一屆中國數據庫學術會議論文集（技術報告篇）[C];2004年

5 陳雪飛;;粗糙集分類中耦合數據的處理方法研究[A];2008年全國開放式分布與并行計算機學術會議論文集(上冊)[C];2008年

6 肖健梅;蘆曉明;王錫淮;;集裝箱起重機防搖系統(tǒng)粗糙集控制[A];第二十六屆中國控制會議論文集[C];2007年

7 王印松;馮康;;主汽溫調節(jié)系統(tǒng)性能評價的粗糙集實現方法[A];第二十七屆中國控制會議論文集[C];2008年

8 王紅萍;萬程亮;金彥豐;;應用粗糙集理論的對抗效果權重確定方法[A];2009’中國西部地區(qū)聲學學術交流會論文集[C];2009年

9 王莉;周獻中;;一種基于粗糙集的模糊神經網絡模型在鋼材力學性能預測中的研究[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 卓明;王麗珍;譚旭;;基于粗糙集近似集擴展的規(guī)則提取算法[A];第十七屆全國數據庫學術會議論文集（技術報告篇）[C];2000年

中國博士學位論文全文數據庫 前10條

1 馬希驁;概率粗糙集屬性約簡理論及方法研究[D];西南交通大學;2014年

2 唐孝;基于粗糙集的知識發(fā)現方法及其在ECG信號識別中的應用[D];電子科技大學;2015年

3 曾凱;鄰域�；植谟嬎愕年P鍵技術研究與應用[D];電子科技大學;2015年

4 鮑忠奎;面向不確定信息系統(tǒng)的粗糙集擴展模型研究[D];合肥工業(yè)大學;2015年

5 王永生;基于粗糙集理論的動態(tài)數據挖掘關鍵技術研究[D];北京科技大學;2016年

6 薛佩軍;正負域覆蓋廣義粗糙集與知識粗傳播研究[D];山東大學;2007年

7 孔芝;粗糙集理論若干問題的研究與應用[D];東北大學;2009年

8 秦中廣;基于粗糙集的交叉研究及其在中醫(yī)診斷的應用[D];華南理工大學;2002年

9 劉少輝;知識發(fā)現中粗糙集理論的研究[D];中國科學院研究生院（計算技術研究所）;2003年

10 鄧大勇;基于粗糙集的數據約簡及粗糙集擴展模型的研究[D];北京交通大學;2007年

中國碩士學位論文全文數據庫 前10條

1 江飛;粗糙集神經網絡故障診斷方法研究[D];西安石油大學;2015年

2 何理榮;粗糙集理論在銀行信貸風險評估中的應用研究[D];華南理工大學;2015年

3 張德齊;基于粗糙集理論的電機故障診斷方法研究[D];渤海大學;2015年

4 楊禮;基于粗糙集的公路交通安全預警研究[D];西南交通大學;2015年

5 聶萌瑤;基于泛系串并模型的粗糙集概念擴展與拓撲空間[D];蘭州大學;2015年

6 徐鵬;基于粗糙集的建筑起重機械安全精細化評價研究[D];西安建筑科技大學;2015年

7 孫宇航;粗糙集屬性約簡方法在醫(yī)療診斷中的應用研究[D];蘇州大學;2015年

8 張曼;基于粗糙集和包含度的聚類分類算法研究[D];青島理工大學;2015年

9 車世遠;基于群搜索優(yōu)化粗糙集的腦科學數據研究[D];大連海事大學;2015年

10 林哲;基于粗糙集的馬田系統(tǒng)研究及其在銀行直接營銷客戶分類中的應用[D];南京理工大學;2015年

，

本文編號：1187916