刑事侦查中大数据应用的实践研究

信息化给人类的日常生活带来巨大的影响,并且"大数据"所蕴含的能量给传统的社会带来颠覆性变革,推动了侦查工作理念和制度的创新。对于"大数据"的应用也给刑事侦查工作带来一定的挑战。本文以"大数据"基本内涵为基础,深入探讨现阶段"大数据"在刑事侦查中的基本应用,在此基础上进一步完善"大数据"在侦查工作的运用,探讨适应"大数据"环境下改进现有的侦察工作,提高刑事侦查的效率,为后期研究提供一定的理论基础。     

基于光谱分类模型的保险杠物证无损研究

采用中红外光谱结合化学计量学的方法对车用保险杠碎片进行鉴别，分别对52个车用保险杠碎片样本的全波段光谱数据、指纹区光谱数据和主成分分析降维后的光谱数据建立Fisher判别分析和K近邻算法2种分类模型，并对分类结果进行比较。结果表明，主成分分析提取特征变量后构建的分类模型，分类的准确率更高，对聚丙烯（PP）、PP/滑石粉、PP/滑石粉/碳酸钙（CaCO₃）3种类型的样本分类准确率达到92.3 %，对PP/滑石粉类型中的10种品牌样本分类准确率达到88.9 %，分类结果理想；在构建的2种分类模型中，Fisher判别分析模型的分类率远高于K近邻算法模型，分析认为K近邻算法模型受到样本不均衡的影响；中红外光谱结合化学计量学可以实现对车用保险杠碎片的准确区分，且满足快速、无损的检验要求。     

食品塑料包装袋与RAMAN的关联性分析

食品包装材料材质多种多样,利用拉曼光谱法可对此类物证进行检验,具有快速准确无损的优点。根据拉曼散射峰位移和强度的不同进行区分研究,材质可分为聚乙烯、聚丙烯、聚对苯二甲酸乙二醇酯、聚苯乙烯、聚酰胺,主要填料为碳酸钙、高岭土、滑石粉、二氧化硅和硫酸钡等。对全波段数据进行降维处理,提取5个因子,累计贡献率超过99%,以此为变量建立谱系图,观测光谱数据之前的亲疏关系,效果较好,为犯罪现场检验此类物证提供依据。     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。     

基于Power K-Means对橡胶轮胎的X射线荧光光谱分析

应用X射线荧光光谱结合加强的Power K-Means算法对30种来源不同的橡胶轮胎样本进行检验分析。使用X射线荧光光谱仪测定轮胎样本的五种主要元素含量后,利用肘方法判定最优簇的数目为4,设定控制权重参数为-1,初始值为4进行聚类分析,重复迭代一百次直至收敛,获得分组结果。经矩积相关系数验证后成功将11个不同品牌的样本分为4类,源自同一品牌的样本基本都被归为一类。本实验为公安机关侦查破案提供了新思路。     

法律助手APP的设计与实现

由于法律咨询的费用和时效性等原因,许多人的法律问题得不到及时的解决。因此开发一款便捷、高效的法律助手显得十分重要。本文采用了AndroidStudio集成开发工具完成了法律助手的设计,包括首页、律师库、问答中心和个人信息管理等功能模块,为用户提供多种法律咨询服务。     

基于改进马尔科夫特征的图像拼接检测研究

针对传统马尔科夫特征拼接检测准确率不高的问题,提出了一种有效的马尔科夫特征提取方法。与传统马尔科夫特征的计算过程不同,只计算水平和垂直两个方向的转移概率矩阵,选择四个转移概率矩阵中对应位置求和后的值作为最终特征。求和操作不仅降低了特征维度,而且使真实图像与拼接图像之间的概率分布区分更加明显。所提出的算法的特征维度与数据集无关。该方法在哥伦比亚彩色拼接检测图库、CASIA V1. 0和CASIA V2. 0数据集上测试的准确率分别为94. 38%、99. 19%、96. 02%。