基于DBSCAN算法的A区犯罪预测

发布时间：2022-01-19 06:23

　　为有效提升公安部门在实践工作中的犯罪预测能力,提出基于DBSCAN算法的A区犯罪预测方法。该方法采用了时空分析可视化技术和DBSCAN算法,对A区的犯罪数据进行分析。首先,对A区的犯罪数据进行描述性统计分析;然后,利用DBSCAN算法构建犯罪预测模型,并进行可视化处理;最后,通过对不同类型犯罪进行分析,预测犯罪热点,识别犯罪模式。实验结果表明,与传统的经验预测相比,该方法具有更好的预测效果,为公安机关打击犯罪和优化警力配置提供了决策依据。 

【文章来源】：信息技术与网络安全. 2020,39(07)

【文章页数】：6 页

【部分图文】：

噪音点

边界点

(5)密度可达：如图4所示，o在p的邻域内，从p到o是直接密度可达，而q对象的邻域内不包括p，但是包括o，这样p-o-q，称p到q是密度可达的。图2 边界点

【参考文献】：
期刊论文
[1]基于时空相似度聚类的热点载客路径挖掘[J]. 冯慧芳,杨振娟.  交通运输系统工程与信息. 2019(05)
[2]时空分析和K近邻算法在犯罪分析中的应用研究[J]. 王娟,兰月新,吴春颖,陈蕾,张双狮.  福建电脑. 2019(07)
[3]结合DBSCAN聚类的室内场景分割[J]. 刘梦迪,潘晓,高珊珊,辛士庆,周元峰.  计算机辅助设计与图形学学报. 2019(07)
[4]基于随机森林的犯罪预测模型[J]. 卢睿,李林瑛.  中国刑警学院学报. 2019(03)
[5]中国犯罪形势分析与预测（2018—2019）[J]. 靳高风,守佳丽,林晞楠.  中国人民公安大学学报(社会科学版). 2019(03)
[6]预测犯罪[J]. 李忠东.  检察风云. 2019(05)
[7]中国预防犯罪研究回眸与前瞻——为纪念改革开放40周年而作[J]. 冯树梁.  犯罪与改造研究. 2019(02)
[8]预测性警务:大数据犯罪预防[J]. 董青岭.  中国投资. 2018(23)
[9]大数据时代犯罪新趋势及侦查新思路[J]. 陈刚.  理论探索. 2018(05)
[10]热点警务的犯罪学理论基础及实践评估[J]. 杨学锋.  中国人民公安大学学报(社会科学版). 2018(03)



本文编号：3596369