当前位置:主页 > 法律论文 > 治安法论文 >

基于加权时空关联规则的公交扒窃犯罪模式识别

发布时间:2017-10-26 00:12

  本文关键词:基于加权时空关联规则的公交扒窃犯罪模式识别


  更多相关文章: 时空关联规则 犯罪模式 公交扒窃 Apriori算法 FP-growth算法 地图可视化


【摘要】:近年来,公交扒窃案案发率呈上升趋势。公交扒窃案不仅对受害者造成经济上的损失,还由于其近身作案的特点可能危及到受害者的人身安全,危害性极大。为了预防和打击该类犯罪,需要对其犯罪模式进行有效识别。由于公交扒窃发生在移动的公交车上,很难得到具体的案发地和时间,不利于犯罪时空分布规律的分析。同时传统的犯罪分析方法往往将时间和空间分割开来研究,得到的分析结果具有片面性,割裂了公交扒窃犯罪在时空上的耦合性,不利于公安民警的办案推理与警力部署等方面工作。所以本文引入加权时空关联规则对公交扒窃数据进行挖掘分析,试图找出公交扒窃的案发时空规律。具体的工作和特色如下:(1)对公交扒窃数据进行时间粒度和空间粒度的划分,将公交主要运营时间以2小时为单位划分成等间隔的公交时段并对其进行编码,将公交线路按公交站点划分成案发路段;(2)对数据进行空间分析和时间归并,提取出每个案事件发生的公交路段和案发时段,并将案发时段归并到公交时段中;(3)由于每个公交路段的案发率不同,其对结果的贡献率也不同,因此给每个路段赋予一个权重;(4)分别采用基于矩阵和项目约束的加权ICApriori算法与加权ICFP-growth算法进行加权关联规则挖掘,得到公交扒窃的时空犯罪模式,并对结果进行地图可视化表达与分析。挖掘结果与可视化地图可用于辅助公安打击和预防犯罪、优化警力部署等警务工作。实践证明,上述方法具有以下特色:第一,按公交站点将公交扒窃地点划分成案发路段;第二,根据公交路段的案发率对案发路段进行加权,更符合实际的案发率情况;第三,基于矩阵和项目约束的ICFP-growth算法减少了对数据库的扫描次数,比ICApriori算法效率更高;第四,对结果进行地图可视化分析,使用户能更直观观察与分析挖掘结果,并且能得到更多有用的信息。
【关键词】:时空关联规则 犯罪模式 公交扒窃 Apriori算法 FP-growth算法 地图可视化
【学位授予单位】:福州大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TP311.13;D631.2
【目录】:
  • 中文摘要3-4
  • Abstract4-8
  • 第一章 绪论8-17
  • 1.1 课题研究背景和意义8
  • 1.2 公交扒窃研究现状8-9
  • 1.3 关联规则9-11
  • 1.3.1 关联规则的定义9-10
  • 1.3.2 关联规则的分类10
  • 1.3.3 关联规则的研究进展10-11
  • 1.4 时态关联规则11-12
  • 1.5 空间关联规则12-13
  • 1.6 时空关联规则13-15
  • 1.6.1 时空关联规则的空间语义扩充14
  • 1.6.2 时空关联规则的时间语义扩充14-15
  • 1.6.3 时空关联规则挖掘方法与研究15
  • 1.7 关联规则在犯罪领域的应用15-16
  • 1.8 论文的组织结构16-17
  • 第二章 加权关联规则与可视化17-31
  • 2.1 加权关联规则17-22
  • 2.1.1 权值的提出与定义17
  • 2.1.2 项目权值的计算17-19
  • 2.1.3 项集权值的计算19-20
  • 2.1.4 经典加权关联规则算法20-22
  • 2.2 关联规则可视化22-30
  • 2.2.1 常见关联规则可视化22-26
  • 2.2.2 其他关联规则可视化26-28
  • 2.2.3 交互可视化28-30
  • 2.3 本章小结30-31
  • 第三章 基于项目约束的关联规则算法31-44
  • 3.1 Apriori31-36
  • 3.1.1 ICApriori算法31-34
  • 3.1.2 基于矩阵的加权ICApriori算法挖掘34-36
  • 3.2 FP-growth36-42
  • 3.2.1 FP-growth算法36-39
  • 3.2.2 基于项目约束的ICFP-growth39-41
  • 3.2.3 基于矩阵的加权ICFP-growth41-42
  • 3.3 本章小结42-44
  • 第四章 公交扒窃加权时空关联规则挖掘——以福州市主城区数据为例44-69
  • 4.1 公交扒窃犯罪模式分析45-48
  • 4.1.1 公交扒窃时空事务表的构建45-47
  • 4.1.2 公交扒窃权重矩阵的构建47-48
  • 4.2 挖掘结果48-51
  • 4.2.1 算法挖掘效率对比48-49
  • 4.2.2 挖掘结果分析49-51
  • 4.3 挖掘结果可视化51-69
  • 第五章 结论与展望69-70
  • 5.1 结论69
  • 5.2 展望69-70
  • 参考文献70-75
  • 致谢75-76
  • 个人简历、在校期间研究成果及发表论文76

【相似文献】

中国博士学位论文全文数据库 前2条

1 董林;时空关联规则挖掘研究[D];武汉大学;2014年

2 苏伟;基于时空关联性的无线传感器网络网关异常检测研究[D];上海大学;2014年

中国硕士学位论文全文数据库 前4条

1 叶文菁;基于加权时空关联规则的公交扒窃犯罪模式识别[D];福州大学;2014年

2 刘慧;基于时空关联思想的初中地理教学策略研究[D];天津师范大学;2014年

3 陈文曲;基于外观特征和时空关联的无重叠视域目标跟踪技术研究[D];南京邮电大学;2013年

4 严明;高速公路中车辆对象同一性的检索[D];昆明理工大学;2014年



本文编号:1096132

资料下载
论文发表

本文链接:https://www.wllwen.com/falvlunwen/fanzuizhian/1096132.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2dee6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com