基于数据挖掘的经济犯罪预警方法研究

发布时间：2020-08-27 18:09

【摘要】：随着社会经济的不断发展,公安机关在案件侦破过程中,经济犯罪案件所占比重较大且呈现出上升趋势,同时由于影响经济犯罪涉案人员涉案因素的增加,对经济犯罪案件分析的经验决策性增强,导致经济犯罪预警的难度较大,经济犯罪案件的预防和侦破效率较低。针对此问题,本文提出了基于数据挖掘的经济犯罪预警方法。首先,针对预警目标分析经济犯罪案件的历史数据,对经济犯罪数据进行数据初步处理,利用有效影响因素筛选方法中的最大信息系数方法和卡方检验方法计算出影响各类经济犯罪案件的属性权重值,对属性影响程度排序,保留影响经济犯罪程度高的属性值,剔除冗余属性;其次,分析比较多种数据挖掘算法,针对经济犯罪数据结构呈现分类型的特点,选取可挖掘出预警规则的决策树方法,分析决策树中传统C4.5算法的缺陷,针对C4.5算法在预警规则挖掘中的不足进行改进,在此基础上建立经济犯罪预警模型,并对模型的置信度进行验证;最后,根据经济犯罪预警模型建立经济犯罪预警系统,将挖掘出的特征规律作为在侦案件的预警规则,利用特征匹配方法预警在侦案件的嫌疑人及高危关注者,为公安机关的日常工作提供辅助决策。同时,以某公安机关的样本数据为基础验证模型的可靠性,利用此方法处理经济犯罪案件的效率得到提高,验证了基于经济犯罪预警模型开发的系统具有可观的实际应用价值。
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：D924.3;TP311.13
【图文】：

路线图,课题,路线,经济犯罪

6图 1.1 课题主要研究路线本文的研究内容主要包括三个方面。1．有效影响因素筛选为了挖掘经济犯罪数据内部潜在的规律，运用于预警模型的构建，找出有效影响经济犯罪的因素，从而提高预警准确率的目的。首先，明确经济犯罪业务知识，锁定主体构成犯罪的属性及经济犯罪案件的类型。其次，利用特征属性提取方法，分析属性对各类经济犯罪涉案人的影响程度，剔除影响程度低的属性。最后，提取有效影响各类经济犯罪属性下的数据，从而实现对经济犯罪预警有效影响因素的获取。2．建立经济犯罪预警挖掘模型将获取经济犯罪有效影响因素和警务工作结合，利用 BP-神经网络、遗传算法以及C4.5 决策树等数据挖掘预警算法做经济犯罪案件数据挖掘理论研究，研究发现决策树算法具有提取分类数据规则效果好的特点，被大量用于分类规则的提取，与经济犯罪案

组织结构图,论文,组织结构,经济犯罪

图 1.2 论文组织结构1.4 本章小结本章主要介绍了课题的目的及意义、经济犯罪和犯罪预警技术的发展概况和相关技术发展现状，通过对经济犯罪预警的现状分析，认识到经济犯罪预警机制对于警务工作的必要性，将经济犯罪预警方法作为本文研究的主要内容。第二章将在此基础上提出经济犯罪预警模型的总体框架。

经济犯罪,预警模型

第二章经济犯罪预警模型的设计2.1.5 经济犯罪预警模型总体框架结构本文建立一种基于数据挖掘的经济犯罪预警模型，主要思想是：首先，确定经济犯罪预警研究目标；其次，利用数据挖掘技术对经济犯罪预警数据进行数据预处理，使数据转换为符合模式挖掘的数据类型，将数据预处理的结果与经济犯罪预业务知识相结合，选取最适合经济犯罪预警的数据挖掘算法；最后，建立数据挖掘预警模型，实现经济犯罪涉案特征规律的挖掘。由图 2.1 可知，经济犯罪预警模型主要包括经济犯罪有效影响因素筛选和经济犯罪预警算法设计两部分。

【参考文献】