数据挖掘技术在经济犯罪侦查中的研究与应用

针对目前经济案件侦破过程中存在的海量数据信息无法高效利用的问题,提出采用数据挖掘技术对淹没在海量信息中的有效数据进行关联分析,通过Apriori算法对集资诈骗犯罪进行维度分析,建立用于集资诈骗分析的关联规则挖掘模型,找出隐藏在海量数据信息背后有价值的结论,把信息资源优势转化为现实破案能力,满足经济犯罪侦查工作特殊性的要求,提高执法效率和破案水平,实现运用数据挖掘技术在经济案件犯罪行为分析方面的有益实践。     

刑事案件信息数据库中的关联规则分析

利用数据挖掘中的有关方法和技术,对刑事案件信息数据进行分析研判,得出各类犯罪之间的关联规则,为公安机关对相似案件的侦破提供分析依据,并对犯罪案件的发展趋势进行预测,提前采取相关措施,减少违法案件的发生。     

数据挖掘技术在案件侦察决策中的应用

侦察决策是侦察者通过对案件进行分析后作出的侦察选择或者决定。在案件侦察过程中,采用数据挖掘技术开采海量的侦察数据,从中发现有价值的信息,是刻画案情和决策侦察行为的重要环节。因此,论文提出了一个基于数据挖掘技术的侦察决策辅助支持系统,探讨了该系统的核心功能。在数据挖掘方面,主要采用数据聚类和关联规则技术,并且通过使用案件侦破后修正规则库的手段,使该系统对规则具有一定的自我学习的智能功能。解决了海量的侦察数据与有价值的数据之间的矛盾,挖掘出可能的有价值的犯罪过程和犯罪信息,使侦察决策的形成更具有科学性和现实性。     

犯罪数据可视化研究进展

犯罪数据分析与挖掘已成为大数据时代犯罪学研究及现代社会治理的基础手段,犯罪数据挖掘在揭示犯罪模式、分析犯罪原因、评估犯罪防控效果等方面具有重要作用.首先,以犯罪模式发现与预测、警力资源配置与优化、案件侦查分析与研判3种业务为导向,对犯罪数据可视分析任务进行归纳,系统地梳理了犯罪数据可视化领域的研究与应用现状;其次,针对犯罪时空数据、犯罪文本数据、犯罪网络关系数据等不同类型数据的可视化方式和技术手段,展开了系统性的分析;最后,总结和展望了犯罪数据可视化面临的挑战和发展方向.     

上海市违法案件热点分布及其影响因子分析

分析违法案件的高发时间与高发地点是公共安全领域中非常重要的一个部分。在空间数据挖掘领域中,热点分析可以用于识别具有统计显著性的高值(热点)和低值(冷点)的空间聚类,得到高值或低值要素在空间上发生聚类的位置。利用了ARCGIS9.1中的热点分析工具,分析了上海2009年的几个侵犯财产类的违法案件数据,找到了违法案件在不同时间的高发位置。通过空间数据挖掘,为情报、指挥和实战部门提供决策参考和防范依据。     

大数据智能分析与数据挖掘研究

大数据智能分析与数据挖掘是从海量数据中提取更加本质和更加有用的规律性信息的重要手段,是挖掘智能和有价值信息的重要抓手.通过运用文献研究法和系统法,对大数据智能分析与大数据挖掘进行了阐述,给出大数据智能分析涉及到的关键技术,对其关键技术进行了阐述,提出大数据挖掘方法、类型、工具和流程及应用,并阐明大数据挖掘中使用的关键技术,希望能为大数据智能分析以及大数据挖掘的研究者提供借鉴.     

图像纹理特征数据挖掘的不确定性分析

不确定性分析是数据挖掘与知识发现的重要内容,对图像纹理特征数据挖掘的基本原理进行了分析、解释,从问题的求解、数据的产生、挖掘的过程以及最终的结果等几个角度分析了图像纹理特征数据挖掘中的不确定性,并讨论了目前不确定性问题分析与处理的若干方法,引入不确定性分析的有力工具--云模型,研究图像纹理特征数据挖掘中的不确定性,并给出了实验结果及分析.     

人工智能语言处理技术在非结构化案件数据中的应用

随着信息技术的快速发展,以文本、音频形式记录在案的非结构化数据急速增长,传统的案件人工处理方式已经很难满足应用需求,对公安机关案件侦查带来了重大挑战.对此,本文提出了利用人工智能技术领域的自然语言处理技术,对侵财类案件、电信诈骗类案件、团伙类案件等业务类型的信息系统中报警内容、简要案情、询问笔录等特征信息进行提取分析,实现非结构化文本挖掘分析,为侦查部门、情报部门提供研判支撑,再通过发案时空与犯罪轨迹的信息比对碰撞,并结合作案工具、作案手段等犯罪特点,从中发现高危犯罪嫌疑人进行主动推荐,可极大地缩小侦查范围,提高侦破效率.     

面向微波组件工艺失效分析的大数据建模技术

快速、准确定位微波组件生产过程中的质量问题,对提升微波组件的质量可靠性、工艺稳定性以及生产效率具有重要作用。在微波组件工艺质量问题传统人工分析逻辑基础上,通过对当前微波组件生产流程各环节的数据特点的挖掘分析,提出了生产大数据与失效分析知识融合的建模方法,并应用于工艺问题的辅助排故中。首先,基于微波组件工艺质量数据特征进行数据清洗得到故障关键数据,作为大数据挖掘建模的基础数据;其次,从微波组件质量特征相似性的角度对不同微波组件进行聚类处理,提升稀疏数据的信息密度;最后,采用大数据挖掘算法融合失效分析先验知识建立用于辅助排故的知识模型,并基于样本数据对提出的建模方法进行了实例分析和模型的软件化部署,验证了在微波组件工艺质量问题分析应用中的可行性。     

基于文本情报的数据挖掘

文章介绍了适合于军事领域中进行情报数据的挖掘方法,建立了军事情报中非结构化文本情报数据处理方法,结合军孥睛报的特点,提出了军事情报中数据挖掘的框架模型,探讨了军事情报挖掘中文文本的方法。实现了对情报文本数据的分词、关键字提取、词频分析、关联分析等。     

基于数据挖掘技术的计算机取证系统研究

随着信息技术的不断发展,计算机犯罪问题也不断出现,计算机取证技术是将计算机调查和分析技术应用于对潜在的、有法律效力的证据的确定与获取。数据挖掘技术广泛应用于统计、模式识别、高性能并行计算和可视化研究中。本文对基于数据挖掘技术的计算机取证系统进行了探讨。     

有组织犯罪集团挖掘算法

互联网的发展使有组织犯罪集团的认定与处罚变的更为困难. 针对有组织犯罪集团的特点, 采用共犯网络结构分析和数据挖掘技术相结合的方法确定有组织犯罪集团结构及其组成实体, 提出一种对有组织犯罪集团进行系统分析和挖掘的新算法. 该算法能从大型真实犯罪数据集提取信息, 快速获取有组织犯罪集团证据, 提高了有组织犯罪集团检测效率. 最后将算法与其他现有算法进行比较, 实验结果表明该算法的时间性能优越.     

数据挖掘算法研究与综述

数据挖掘方法结合了机器学习、模式识别、统计学、数据库和人工智能等众多领域的知识,是解决从大量信息中获取有用知识、提供决策支持的有效途径,具有广泛的应用前景.以关联、分类、聚类归类,对当前数据挖掘的多种方法进行了研究,并指出其现存的问题.这些方法都有局限性,多方法融合、有机组合互补将成为数据挖掘的发展趋势.     

关联规则与聚类分析在超市中的应用研究

数据挖掘是商务智能中经常使用的一项重要技术,企业在其整个运营过程中,积累了庞大的数据信息,决策者们所需要的信息往往就隐藏在里面,数据挖掘的目的就是如何有效地处理这些数据。在介绍数据挖掘与商务智能的基础上,讨论了关联规则的Apriori算法和聚类分析的K-means算法,结合数据挖掘软件Clementine分析了这两种算法在超市中的挖掘过程,得出一些有益的结论。     

形式背景的BAM神经网络模型及模型上的概念生成

形式概念分析是近年来发展较为迅速的一种数据挖掘工具,它已被广泛地应用于机器学习、软件配置、信息获取等领域,而神经网络是基于模拟人脑的智能特点而发展起来的一门新兴学科。它们之间的融合将有利于智能控制、模式识别、知识处理等学科的进一步发展。通过对BAM神经网络的设定,建立了形式背景和NK-BAM神经网络之间的对应关系,论证了NK-BAM模型的稳定状态与形式背景的概念格的概念结点之间的对应,为概念分析和神经网络的进一步研究奠定了理论基础。同时给出了一个基于神经网络的概念生成算法,并通过实例验证了算法的有效性。     

数据挖掘技术研究

数据挖掘是近年来数据库领域中出现的一个新兴研究热点。数据挖掘是对数据库数据的统计分析，其基础是人工智能。阐述了数据挖掘技术的背景，就数据挖掘的主要分析技术进行了研究和分类。介绍了目前数据挖掘常用的技术及数据挖掘过程，指出了数据挖掘技术未来的发展方向。     

Data mining for Web intelligence

Searching, comprehending, and using the semistructured HTML, XML, and database-service-engine information stored on the Web poses a significant challenge. This data is more sophisticated and dynamic than the information commercial database systems store. To supplement keyword-based indexing, researchers have applied data mining to Web-page ranking. In this context, data mining helps Web search engines find high-quality Web pages and enhances Web click stream analysis. For the Web to reach its full potential, however, we must improve its services, make it more comprehensible, and increase its usability. As researchers continue to develop data mining techniques, the authors believe this technology will play an increasingly important role in meeting the challenges of developing the intelligent Web. Ultimately, data mining for Web intelligence will make the Web a richer, friendlier, and more intelligent resource that we can all share and explore. The paper considers how data mining holds the key to uncovering and cataloging the authoritative links, traversal patterns, and semantic structures that will bring intelligence and direction to our Web interactions.     

MARKET AREA ANALYSIS AND INTELLIGENCE THROUGH GEOWEB MAP SEGMENTATION

Segmentation is of particular interest in market area analysis and intelligence. A generalized Voronoi influence model provides a flexible framework for segmenting diverse business cases and market tessellations. In this article, we propose a Voronoi influence model–based computational framework for mining various user-supplied business and market data sets from a GeoWeb model, in particular from Yahoo Local. The market area analysis and intelligence provided by the generalized Voronoi model can be effectively used for various market intelligence and strategy decision support. The advantages of using this computational model from the GeoWeb framework is the access to enormous amounts of participation-driven information on businesses and services available on the Internet. The proposed model supports weighted analysis, order-k analysis (k-nearest neighbor analysis), various metrics modeling different scenarios, complex modeling data types representing complex real-world situations, and obstacles modeling real-world barriers through a series of generalized Voronoi diagrams. We provide a series of cases studies that demonstrate the usefulness and practicability of the proposed model.     

计算机动态取证的数据分析技术研究

本文针对计算机动态取证的数据分析阶段面临的问题，提出将数据挖掘技术应用于计算机动态取证的海量数据分析中，给出了基于数据挖掘的计算机动态取证系统模型，提高动态取证中数据分析的速度、分析的准确性和分析的智能性，解决动态取证中的实用性、有效性、可适应性和可扩展性问题。     

基于关联规则的图像数据挖掘研究

随着图像获取和图像存储技术的迅猛发展,能够方便得到大量的图像数据。为了能充分从这些图像数据中分析并提取有用信息,研究了数据挖掘中的新型领域——图像数据挖掘技术。主要介绍了数据挖掘、图像数据挖掘及关联规则在图像数据挖掘中的应用。