公安情报分析中数据挖掘应用研究.docxVIP

摘要：数据挖掘是一个知识发现的过程，具体是指通过各种算法在现有信息当中发现规律或找到有用信息。公安部门的情报分析工作从本质上来讲也是一个数据挖掘的过程，数据挖掘技术的应用使公安情报分析工作更加准确、高效。本文先对数据挖掘进行介绍，然后讲数据挖掘在公安情报分析中的具体应用。１．引言 信息时代，人们在日常的生活工作中每天都要面对浩如烟海的信息，如何从这些信息中找到对自己有用的那些，是大家共同面对的问题。公安部门由于其工作的特殊性，更是经常要对海量的情报信息进行分析，并且随着公安信息化的推进，公安部门搜集积累信息的能力越来越强，不仅信息规模膨胀，复杂度也大大增加，仅靠传统的人工分析已经远远不够。数据挖掘的应用可以为我们提供强大的帮助，能够让公安人员从纷繁芜杂的情报当中找到真正有用的信息2．数据挖掘简介由于人们对于信息的重视程度越来越高，数据挖掘已经在社会各个领域得到广泛应用，小到一些类似炒股软件等个人投资方面的统计参考，大到国家对各种社会资源的审计分析，无不包含着对数据挖掘的应用，目前一些比较有实力的企事业单位已经拥有了自己的数据挖掘系统。因此我们有必要对数据挖掘的定义、数据挖掘的过程、数据挖掘的功能进行大概的了解。 2.1数据挖掘的定义 数据挖掘就是从大量的、无规律的数据中，找到其中潜在的规律或者隐含的知识的过程。通过数据挖掘，我们可以找到对我们有用的信息。数据挖掘是一门综合性的技术，包含的不仅仅是各种数据挖掘算法，还有统计学、数据库、人工智能、机器学习等多个领域的理论技术。数据挖掘利用各种分析工具在海量数据信息中发现模型和数据间的关系，使用这些模型和关系可以帮助决策者寻找数据间的潜在关联，还可以为决策者进行未来趋势的预测。 2.2数据挖掘的工作步骤 完整的数据挖掘工作主要有四个步骤：数据获取、预处理、数据挖掘、结果展示。数据获取就是对数据挖掘的数据源进行搜集整理，这是数据挖掘工作的基础。预处理是在数据挖掘之前做的准备工作，为数据挖掘提供符合要求的数据，包括数据清洗、数据集成、数据选择和数据变换等。数据挖掘就是对经过预处理的数据通过各种数据挖掘算法进行挖掘，找到有用信息。结果展示，就是将数据挖掘得到的结果通过可视化的方法展示给用户。一般为了提高结果的可靠性与可信度，会用多种算法对数据源进行挖掘，将不同的结果进行对比，供用户参考。 2.3数据挖掘的功能 数据挖掘的功能主要表现为五点：趋势和行为预测、关联分析、聚类分析、概念描述、偏差检测。趋势和行为预测是指通过对某一事件或行为的以往数据信息进行挖掘，可以对未来趋势做出预测，一些证券类软件都属此类应用，比如炒股软件。关联分析是指在数据库中再是问题，可以让学员每人在硬盘上建立自己的虚拟机，并练习硬盘分区、格式化以及安装 windows、Linux 等操作系统，将母机的软硬件系统与学员相互隔离开来，避免人为破坏。 3.数据挖掘在公安情报分析中的应用数据挖掘与公安情报分析工作其实从本质上来讲基本是一样的，因此在现有的公安情报分析基础上建立数据挖掘系统是一件相当容易的事，最重要的改变其实就是数据挖掘算法的运用。数据挖掘有各种不同的算法，每一种算法都会适应某种数据类型，但还没有可以适应所有数据类型的算法。在实际应用当中，由于数据类型的多样性，需要我们根据具体情况进行综合考虑，采用多种算法对数据进行挖掘。算法是数据挖掘的灵魂，只有合适的算法才能达到最佳挖掘效果，为了追求挖掘目标的准确性与可靠性，我们可以对现有算法进行改进，甚至创造新的算法。目前在公安情报中使用较多的挖掘算法主要有两种，决策树算法与关联规则算法。3.1 决策树算法的应用决策树算法是利用树形结构来表示决策集合，这些决策集合通过对数据集的分类产生规则。树的每个内部节点表示在一个属性上的测试，每个分枝表示一个测试输出，而每个树叶节点代表类或类分布。在树构造（归纳）时，需要使用剪枝来检测和剪去训练数据中的噪声和孤立点，从而提高在未知数据上分类的准确性。决策树算法的最经典应用是在群体性事件的分析上。通过决策树算法对群体性事件进行分类与预测，我们可以分三个步骤进行：数据预处理、构造决策树、决策树分析。数据预处理我们前面已经讲过，就是数据挖掘之前的准备工作，在这里具体是指从公安信息系统中获取相关数据，并对记录当中的敏感属性进行选择，形成数据挖掘的数据源。数据可以仅包含用于描述群体性事件的部分项目内容，这样构造出的决策树比较简单直观。构造决策树，根据决策树算法，决策树的每个内部节点（非叶）表示一个属性上的测试，每个叶节点表示一个类别，在这里类别为群体性事件的表现形式，由于涉事主体在属性中具有最高信息增益，它被选为测试属性。创建一个节点，用涉事主体标记，并对于每个属性值，引出一个分枝。所有样本根据上面描述的决策树算法划分，最终形成决策树。决策树分析，