基于数据挖掘聚类分析的犯罪预警方法研究

发布时间：2021-06-25 23:53

　　针对当前犯罪形式多样化,犯罪信息复杂的现状,运用决策树算法建立犯罪预警模型,实现对犯罪数据的判定和检索。在传统C4.5算法的基础上,通过引入泰勒公式和麦克劳林公式来降低信息增益率计算过程量。采用由上往下不断对决策树内部节点属性值比较得到决策树结论,借助决策树修剪技术进行剪枝修改,提升样本数据分类的准确度。最后通过实例对模型的运算效率和准确度进行验证,研究结果表明:相较于传统的C4.5决策树算法,文中建立的犯罪预警模型提升执行效率的同时保证了算法的准确率,获得了优异的预警结果。 

【文章来源】：信息技术. 2020,44(12)

【文章页数】：5 页

【图文】：

算法流程图

模型生成是犯罪特征决策生长过程,以犯罪特征数据集根节点作为开始节点,通过多次测试犯罪特征属性,根据递归方式对数据分割,直到子集“纯度”满足预期[19]。当某个树分支上存在较强纯度样本时,此时停止对该分支划分,直到所有犯罪特征样本集合“纯度”满足要求,犯罪特征决策树生长结束,图2所示为决策树生成过程。2.2 预警模型优化

涉案特征规则


本文编号：3250201