隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展,應(yīng)用信息化解決方案日益成為各個行業(yè)解決問題的有效手段。公安機關(guān)在日常案件偵辦中面臨著侵財犯罪的頻發(fā)高發(fā)情況,同時這些案件偵辦過程中各個偵辦程序都消耗了大量的警力,這與新型警務(wù)發(fā)展的初衷背道而馳,為了投入更少警力更快更準(zhǔn)地偵破案件抓獲嫌疑人,各公安部門亟需研發(fā)一套高效快速偵破侵財案件的信息化系統(tǒng)。侵財嫌疑人刻畫系統(tǒng)需要達到以下兩種作用:一是對侵財案件嫌疑人進行刻畫,二是要對重點人員做預(yù)警。首先,針對目前侵財類案件偵破的技術(shù)手段和存在的問題,分析了侵財犯罪嫌疑人刻畫系統(tǒng)需求分析、可行性分析,建立了某市侵財犯罪人員信息刻畫信息系統(tǒng),為下一步進行侵財犯罪嫌疑人數(shù)據(jù)的統(tǒng)計分析打下基礎(chǔ)。其次,對某市近8年侵財犯罪案件進行了分析,運用K-means聚類算法對侵財犯罪嫌疑人特征點進行聚類分析,對盜竊、搶奪、搶劫和詐騙這四類典型侵財犯罪的特征點進行數(shù)據(jù)挖掘,歸納出對應(yīng)案件犯罪嫌疑人的特征點。提出了一種Profile-K-means侵財犯罪嫌疑人畫像算法,給出了算法實現(xiàn)及布署方法,為構(gòu)建此類侵財犯罪嫌疑人刻畫系統(tǒng)提供了特征參考模型。再次,在對侵財犯罪新發(fā)案件嫌疑人刻畫系... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

某市2012年至2019年侵財類案件概況

第2章某市侵財犯罪嫌疑人刻畫系統(tǒng)現(xiàn)狀分析-15-案件數(shù)呈下降趨勢，但是破案件數(shù)增幅不明顯，也形成了侵財類案件偵破的難度越來越大的現(xiàn)狀。本文選取非電信詐騙類的侵財案件進行研究，以提高破案率。圖2-3某市近8年侵財案件立案破案率情況2.1.2某市近8年侵財犯罪案件立案及偵破情況侵財案件的逐年高發(fā)導(dǎo)致侵財犯罪人員的上升，自2012年至2019年，全市共打擊處理38262人，其中侵財案件打擊8778人，占總打擊人員比例的22.94%。圖2-4某市近8年抓獲侵財犯罪人員情況從圖中數(shù)據(jù)我們可以看出每年侵財案件抓獲的人員占總體抓獲人員的比例約為

第3章基于K-means算法的侵財犯罪嫌疑人畫像-25-近性度量。至于其他問題，有離群點的處理。離群點可能過度影響簇的發(fā)現(xiàn)，導(dǎo)致簇的最終發(fā)布會與預(yù)想有較大的出入，所以提前發(fā)現(xiàn)并剔除離群點是有不要的[44-49]。還有簇分裂和簇合并，使用較大的C，往往會使得聚類的結(jié)果看，上去更加合理，然而在大多數(shù)條件下，系統(tǒng)并不需要通過增加簇的個數(shù)的方式來進行數(shù)據(jù)聚類分析。此時通過交替采用簇分裂和簇合并的方法，在某種程度上實現(xiàn)了避免陷入局部最小，能夠得到具有期望個數(shù)簇的結(jié)果。從已破獲案件數(shù)據(jù)庫中隨機抽取一個盜竊案件基本信息來說明Profile-K-means是如何工作的，如圖3-1所示。假設(shè)某盜竊案件有八個嫌疑人S1~S8，應(yīng)用Profile-K-means來為這些犯罪嫌疑人劃分簇。圖3-1初始散落的嫌疑人（特征向量）第一步：選擇簇（案件分類）的數(shù)目K，假設(shè)為2個簇，所以K=2。第二步：從案件數(shù)據(jù)中選擇K個隨機點作為質(zhì)心。圖3-2隨機選取質(zhì)心如圖3-2在這里紅色和綠色的圓圈代表2個簇隨機選擇的質(zhì)心（或隨機指定的犯罪嫌疑人）。第三步：將所有的點分配到某個質(zhì)心距離最近的案件分類（簇）。一旦初始化

【參考文獻】：
期刊論文
[1]大數(shù)據(jù)評論采集分析系統(tǒng)的設(shè)計與實現(xiàn)[J]. 韓帥康,江濤,張順.  電腦知識與技術(shù). 2020(04)
[2]測謊制度在我國司法實踐中的應(yīng)用探究──以美國測謊制度為視角[J]. 李曉.  法制博覽. 2018(28)
[3]聚類算法在教師考評中的應(yīng)用[J]. 王君.  電子技術(shù)與軟件工程. 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]基于平均差異度優(yōu)選初始聚類中心的改進K-均值聚類算法[J]. 李武,趙嬌燕,嚴太山.  控制與決策. 2017(04)
[6]基于多源異構(gòu)數(shù)據(jù)庫融合創(chuàng)新決策支持服務(wù)——以華東師范大學(xué)學(xué)科評估系統(tǒng)為例[J]. 于亞秀,李欣,魯?shù)?程靜.  圖書館學(xué)研究. 2017(04)
[7]基層公安機關(guān)主辦偵查員制度實現(xiàn)路徑探析[J]. 姜達,夏立款.  雞西大學(xué)學(xué)報. 2017(02)
[8]基于聚類分析的數(shù)據(jù)挖掘方法研究[J]. 黃蓉.  山東農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2017(01)
[9]淺探信息時代經(jīng)偵戰(zhàn)線情報導(dǎo)偵機制[J]. 葉栩聞.  法制與經(jīng)濟. 2017(02)
[10]基于K-means的數(shù)據(jù)流離群點檢測算法[J]. 韓崇,袁穎珊,梅燾,耿慧玲.  計算機工程與應(yīng)用. 2017(03)

博士論文
[1]本地文件系統(tǒng)數(shù)據(jù)更新模式研究[D]. 陳杰.華中科技大學(xué) 2014
[2]進化存儲系統(tǒng)數(shù)據(jù)組織模式研究[D]. 李懷陽.華中科技大學(xué) 2006

碩士論文
[1]基于MySQL的云數(shù)據(jù)庫設(shè)計與實現(xiàn)[D]. 牛小寶.南京郵電大學(xué) 2016
[2]基于MySQL的分布式SQL數(shù)據(jù)庫的設(shè)計與實現(xiàn)[D]. 劉曉光.中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院) 2016
[3]基于網(wǎng)頁內(nèi)容的海量數(shù)據(jù)管理系統(tǒng)的設(shè)計與實現(xiàn)[D]. 江君.北京交通大學(xué) 2014



本文編號：3444434