安防人上中安网!

关注我们  

安防网 >> 工程方案 >> 其他

数据挖掘技术在安全技术防范管理中的应用研究

2009-10-15 10:10:47 来源:中安网 作者:花楹 责任编辑: xiongs 收藏本文
本文将数据挖掘技术引入公安技防领域,通过尝试建立技防产品与某种类型案件及多发场所的联系,提出了两种符合公安实际要求的挖掘模式,为技防管理者有针对性地指导各地技防部门安装技防设施、预防案件发生提供决策参考。

  表2.2  移动报警系统作用于机动车辆盗窃案件的信息训练集


  将样本分成三个类c1,c2 ,c3 则s1=2452s2=653s3=273


  总计s=3378 按照基于信息熵的ID3算法公式,同时将“相同类型总计”考虑进去,可以得出:


  I(s1,s2,s3)=I(2452,653,273)=0.3355+0.4583+0.2933=1.087下一步,按公式计算每个属性的熵。先计算“地区状态”,对于“市区”:s11=2452s21=275s31=0


  I(s11,s21,s31)=0.1379+0.3378=0.4757


  对于“城乡结合处”:s12=0 s22=378  s32=273


  I(s12,s22,s32)=0.4554+0.5258=0.9812


  如果样本按“市区-城乡结合处”划分,那么期望信息为:


  E(“地区状态”)=2727/3378I(s11,s21,s31)+651/3378I(s12,s22,s32)=0.5731


  因此按这种划分的信息增益是:


  Gain(“地区状态”)=I (s1,s2,s3)- E(“地区状态”)=1.0871-0.5731=0.51399


  同理可以得出以下几个字段的信息增益:


  Gain“案发地点”=0.2001,Gain“居住人口性质”=0.1761,


  Gain“案发时间(白天晚上)”=0.3431


  这样,Gain“地区状态”最大,说明该属性对于数据分解为子类所起的作用最大,于是建立第一节点“地区状态”,并将样本分成两部分。然后对每一棵子树按照以上方法递归计算,最后得出的决策树如图2.1所示。


  图2.1  决策树

  在图2.1中从根到树叶每条路径创建一个规则,可以很清楚地看出在市区,白天,停车场地区容易涉机动车辆盗窃案,在3378件已侦破机动车辆盗窃案中,移动报警设备在2269起案件发挥了决定性的作用等分类知识。


  又如在已破获的机动车辆盗窃案发生在城市地区,白天、居民小区内, 移动报警设备在151起案件的侦破中起到了一定的作用;而在已侦破的发生在城乡结合部、流动人口密集的地区273件案件中,移动报警设备基本上都没发挥什么作用。这些知识对于警务决策是相当有帮助的。比如在白天对停车场地区的车辆加强管理,提高防范力度,比如在此多安置报警设备以及部署更多的警力等。

【想第一时间了解安防行业的重磅新闻吗?请立即关注中安网官方微信(微信号:cpscomcn)——安防行业第一人气微信,万千精彩,千万不要错过!!!

中安网官方微信

提示:试试"← →"实现快速翻页

网友评论

共有0条评论  点击查看全部>>

所有评论仅代表网友观点,与本站无关。

24小时阅读排行

本周阅读排行

订阅邮件
安防速递

每天三个要闻,知晓行业关键

E 周 刊

一周事,一朝知

Email: