基于聚类的数据加权优化在犯罪预测中的应用

• 作者: 孙小川 芦天亮
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 犯罪预测 特征数据 加权优化 机器学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 55-59
• 页数: 5页
• 分类号: TP391
• 字数: 4646字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.06.009

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	芦天亮	中国人民公安大学信息技术与网络安全学院	44	78	5.0	7.0
2	孙小川	中国人民公安大学信息技术与网络安全学院	2	1	1.0	1.0