基于决策树的基层警务信息管理中的应用

发布时间：2017-11-15 02:08

  本文关键词：基于决策树的基层警务信息管理中的应用

  更多相关文章： 优化警力 精准打击 C4.5算法 粗糙集、简约C4.5算法

【摘要】：公安工作是现今打击社会犯罪、维护社会治安的主导力量。如何有效打击犯罪一直是社会关注的问题,而基层警务信息管理是确保社会治安稳定的重要基础。在传统公安模式中,跟据刑事发案率、治安发案率、人口数等综合条件对各派出所进行警员分配。随着人口的增长、流动人口的逐年增长,原始警务模式既不能有效预防犯罪,更不能优化警力资源配置。所以以防代打、精准预防犯罪新型警务模式应运而生,预防犯罪就是将警务派出所内管辖区域具体划分不同等级,对于不同等级区域,采用不同管理方式,目标是在同等警力或警力不足的前提下有效打击犯罪,优化警力资源,提高社会治安状况,降低案件发案率。近年来,许多社会学者和公安专家开始按照社会治安状况的各种属性将同一地区划分为不同等级的治安区,即治安管理区域分级。随着计算机技术的不断升级,越来越多的新科技和新算法应用于治安区域的在管理中,国内外对治安区域的划分主要有经验法,统计法等。国内外一些专家将改进的蚁群聚类算法、k均值聚类算法、加权模糊聚类算法、模糊c均值聚类算法、粒子群优化算法、以及决策树分类法等数据挖掘技术应用到治安区域管理。本文研究的就是决策树算法在基层治安管理区域划分中的应用。本文的主要工作和研究成果如下:(1)进行了K-means算法、DBSCAN算法、C4.5算法对管理区域划分的研究,通过实验结果证明无论是K-means算法、DBSCAN算法、C4.5算法都能够对于管理区域划分起到指导作用,而且C4.5算法将管理区域类数据作为离散数据处理,更加准确的分析出了各管理区域的主要特点,能够达到精准划分管理区域的目标。(2)进行了粗糙集简约C4.5算法的研究,粗糙集简约C4.5算法是C4.5算法的改进算法,传统的C4.5算法仅依靠信息增益率选择决策点,分类依据单一,容易受类别中样本个数的影响。粗糙集简约C4.5算法表达了当前数据环境下属性对决策的影响,将它与决策者的经验知识相结合,可以更加客观的反应属性权重,解决了C4.5算法分类依据单一、易受类别样本个数影响的缺点。(3)通过运用粗糙集C4.5算法对东丰县黄河镇的治安管理区数据进行等级划分,综合考虑了主观权重和客观权重的比例分配问题,验证了该算法在管理区域划分上的可行性。经过图像对比分析可以看出,粗糙集C4.5算法相对于传统C4.5能更好的实现对区域划分的评价,说明粗糙集简约C4.5在对管理区域分级方面具有可行性。(4)将粗糙集简约C4.5应用到东丰县黄河镇治安数据中,利用粗糙集简约C4.5决策树算法对东丰县黄河镇2009年到2015年连续7年的警务管理情况数据(每年数据量为21组,从刑事案件、治安案件、距离、人口数4个属性)进行预测分析,通过可视化的图形模式对比分析结果可知,经过对比分析,粗糙集C4.5算法能较好的实现警务管理数据的预测分析,与当地实际治安区域情况相对吻合。研究表明,运用改进的决策树等数据挖掘算法能够实现对警务管理数据的分析,能够科学合理的利用警力资源,并实现预防犯罪、精准打击犯罪的高效手段,这将成为各国研究新型警务模式的方向。
【学位授予单位】：吉林农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：D631.1;TP18

【相似文献】

中国期刊全文数据库 前8条

1 魏高乐;;粗糙集理论在装备研制费用风险评价中的应用[J];实验技术与管理;2011年04期

2 赵战彪;齐鸥;陈春良;石文华;;基于粗糙集的装备保障要素关系研究[J];装甲兵工程学院学报;2013年01期

3 周业明;林秀芹;曹之新;文学义;;基于粗糙集的不完备情报信息系统的完备化[J];军事运筹与系统工程;2007年02期

4 王耀清;;基于粗糙集理论的股票时间序列数据的关联规则方法研究[J];山西煤炭管理干部学院学报;2012年04期

5 解亮亮;韩林;;基于粗糙集的空袭目标威胁评估排序[J];火力与指挥控制;2009年09期

6 丁国勤,孟卫东;基于粗糙集的知识推理在后勤保障智能决策系统中的应用研究[J];军事运筹与系统工程;2005年03期

7 陈小卫;王新政;马琳;孔丽;;不完备信息下装备保障点选址决策方法[J];火力与指挥控制;2013年05期

8 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 黎文航;陈善本;王兵;;粗糙集理论在焊接中的应用综述[A];第十一次全国焊接会议论文集（第2册）[C];2005年

2 尹宗成;;粗糙集理论在我国粮食产量预测中的应用[A];现代农业理论与实践——安徽现代农业博士科技论坛论文集[C];2007年

3 邹刚;滕书华;孙即祥;陈森林;敖永红;;一种粗糙集优化协同原型模式约简分类方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

5 陈雪飞;;粗糙集分类中耦合数据的处理方法研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

6 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年

7 王印松;冯康;;主汽温调节系统性能评价的粗糙集实现方法[A];第二十七届中国控制会议论文集[C];2008年

8 王红萍;万程亮;金彦丰;;应用粗糙集理论的对抗效果权重确定方法[A];2009’中国西部地区声学学术交流会论文集[C];2009年

9 王莉;周献中;;一种基于粗糙集的模糊神经网络模型在钢材力学性能预测中的研究[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 卓明;王丽珍;谭旭;;基于粗糙集近似集扩展的规则提取算法[A];第十七届全国数据库学术会议论文集（技术报告篇）[C];2000年

中国博士学位论文全文数据库 前10条

1 马希骜;概率粗糙集属性约简理论及方法研究[D];西南交通大学;2014年

2 唐孝;基于粗糙集的知识发现方法及其在ECG信号识别中的应用[D];电子科技大学;2015年

3 曾凯;邻域粒化粗糙计算的关键技术研究与应用[D];电子科技大学;2015年

4 鲍忠奎;面向不确定信息系统的粗糙集扩展模型研究[D];合肥工业大学;2015年

5 王永生;基于粗糙集理论的动态数据挖掘关键技术研究[D];北京科技大学;2016年

6 薛佩军;正负域覆盖广义粗糙集与知识粗传播研究[D];山东大学;2007年

7 孔芝;粗糙集理论若干问题的研究与应用[D];东北大学;2009年

8 秦中广;基于粗糙集的交叉研究及其在中医诊断的应用[D];华南理工大学;2002年

9 刘少辉;知识发现中粗糙集理论的研究[D];中国科学院研究生院（计算技术研究所）;2003年

10 邓大勇;基于粗糙集的数据约简及粗糙集扩展模型的研究[D];北京交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 江飞;粗糙集神经网络故障诊断方法研究[D];西安石油大学;2015年

2 何理荣;粗糙集理论在银行信贷风险评估中的应用研究[D];华南理工大学;2015年

3 张德齐;基于粗糙集理论的电机故障诊断方法研究[D];渤海大学;2015年

4 杨礼;基于粗糙集的公路交通安全预警研究[D];西南交通大学;2015年

5 聂萌瑶;基于泛系串并模型的粗糙集概念扩展与拓扑空间[D];兰州大学;2015年

6 徐鹏;基于粗糙集的建筑起重机械安全精细化评价研究[D];西安建筑科技大学;2015年

7 孙宇航;粗糙集属性约简方法在医疗诊断中的应用研究[D];苏州大学;2015年

8 张曼;基于粗糙集和包含度的聚类分类算法研究[D];青岛理工大学;2015年

9 车世远;基于群搜索优化粗糙集的脑科学数据研究[D];大连海事大学;2015年

10 林哲;基于粗糙集的马田系统研究及其在银行直接营销客户分类中的应用[D];南京理工大学;2015年

，

本文编号：1187916