本文關(guān)鍵詞：基于分類的犯罪群體特征分析和評(píng)估研究

  更多相關(guān)文章： 犯罪數(shù)據(jù)挖掘 分類方法 犯罪類型 數(shù)據(jù)填充算法

【摘要】：目前,犯罪出現(xiàn)了很多新特征和新趨勢(shì),這些違法行為嚴(yán)重影響人們的正常生活。公安部門積累了海量犯罪數(shù)據(jù)。如何有效利用這些數(shù)據(jù),并發(fā)現(xiàn)隱藏在背后的重要信息,是目前公安工作的迫切需要。犯罪數(shù)據(jù)挖掘成為犯罪分析領(lǐng)域的一個(gè)重要研究方向,利用數(shù)據(jù)挖掘分類方法預(yù)測(cè)犯罪類型和犯罪特征之間的關(guān)系,尋找影響犯罪的因素,幫助公安人員從不同人群犯罪特征中推斷犯罪傾向,及時(shí)預(yù)防和打擊犯罪活動(dòng)。由于多方面原因,導(dǎo)致實(shí)際收集過程中犯罪人員數(shù)據(jù)大量缺失,嚴(yán)重影響分類準(zhǔn)確率。在構(gòu)建分類模型之前,一個(gè)有效的數(shù)據(jù)填充算法是有必要的。因此,為了提高分類準(zhǔn)確率,本文提出基于灰度理論的互近鄰數(shù)據(jù)填充算法(Grey Mutual k-Nearest Neighbor,GMKNN)。此算法結(jié)合GBWKNN填充算法中的灰色關(guān)聯(lián)分析理論和MKNNI填充算法中的相互k最近鄰思想,利用灰色分析程度公式代替相互k最近鄰填充算法中的歐氏距離公式,以避免填充缺失值的k個(gè)最近鄰帶來的噪聲影響,并有效處理離散屬性。本文使用真實(shí)的犯罪人員數(shù)據(jù)集,比較GMKNN數(shù)據(jù)填充算法與現(xiàn)存的多種填充算法的分類準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,使用本文提出的GMKNN算法填充得到的分類準(zhǔn)確率最高,達(dá)到77.837%。說明使用此算法得到的分類規(guī)則可信度越高,對(duì)犯罪群體特征的分析和評(píng)估越準(zhǔn)確。
【學(xué)位授予單位】：大連工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP311.13;D917

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 李可泳;汪增福;侯丹林;;基于輪廓的表面深度填充算法及其計(jì)算機(jī)仿真[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

2 李眾;焦波;蔡秋芳;李國(guó)輝;;用于目標(biāo)檢測(cè)的二值圖目標(biāo)內(nèi)部空洞快速填充算法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 曾廣翔;面向推薦系統(tǒng)的矩陣填充算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 汪佳佳;多維巖心鉆孔數(shù)據(jù)解析與巖性柱狀圖生成系統(tǒng)[D];南京理工大學(xué);2015年

2 孫翠翠;基于分類的犯罪群體特征分析和評(píng)估研究[D];大連工業(yè)大學(xué);2015年

3 熊文駿;向形心收縮的變距偏置填充算法[D];華中科技大學(xué);2007年

4 楊英達(dá);物聯(lián)網(wǎng)不完全數(shù)據(jù)填充算法研究[D];大連理工大學(xué);2013年

5 黃j昌;kNN填充算法的分析和改進(jìn)研究[D];廣西師范大學(xué);2010年

6 楊濤;基因表達(dá)缺失數(shù)據(jù)填充算法研究[D];湖南大學(xué);2005年

7 李雷鳴;基于DSP和FPGA的全姿態(tài)指示器填充算法研究及硬件實(shí)現(xiàn)技術(shù)[D];南京航空航天大學(xué);2004年

8 趙亮;不完整數(shù)據(jù)減法聚類填充算法研究與應(yīng)用[D];大連理工大學(xué);2014年

，

本文編號(hào)：1190787