改进型Apriori算法在犯罪关联分析中应用.docVIP

改进型Apriori算法在犯罪关联分析中应用 　　摘要：介绍了关联规则数据挖掘技术，特别是Apriori核心算法，并对Apriori算法进行了Hash优化。以某市的犯罪信息数据库为实例，将改进后的关联分析技术应用其中，以便发现犯罪行为特点及犯罪嫌疑人特性等潜在的联系，为公安部门的战略部署、决策指挥、侦查破案、治安管理等提供依据。 　　关键词关键词：犯罪特征；关联规则；数据挖掘；Apriori 　　中图分类号：TP312文献标识码：A文章编号文章编号2013）011006802 　　0引言 　　信息技术的飞速发展，给公安机关的信息化应用提供了强有力的保障，较大程度上提高了整个公安队伍的战斗力，在防范打击违法犯罪、维护国家安全稳定等方面起到了重要作用。“金盾工程”的推进，促使各类业务应用平台逐步建成和完善，但情报导向的信息应用仍处于初探阶段。信息的关键价值不在于存储，而在于对所拥有的大量警务信息进行二次挖掘，获取更有价值的情报信息＼[1＼]。近年来，公安部门积累了海量的基础数据和犯罪数据信息，但对于这些数据的高效利用和深度应用未有明显成绩。因此，如何利用先进的信息技术在这些海量数据中进行深度挖掘，得出一些新知识，使之有益于公安部门的战略部署、决策指挥、侦查破案、治安管理等，具有一定的时代意义。 　　1关联规则挖掘 　　关联规则挖掘，有时也叫关联分析，是数据挖掘的一个重要研究领域。它是指从事务数据库、关系数据库和其它信息存储中的大量数据的项集之间发现有趣的、频繁出现的模式、关联和相关性，即所谓的关联规则。其形式为：“X=Y”，即在设定的高置信度的规则下，X事件发生了，Y事件必然发生。 　　关联规则挖掘核心算法为著名的Apriori算法。当然，此后出现了一些相关算法，诸如DIC算法 ＼[2＼]、DLG算法＼[3＼]和 DHP算法＼[4＼]等，都是基于Apriori算法做了改进或优化而成的。 　　1.1Apriori算法 　　Apriori算法，是一种挖掘布尔关联规则频繁项集的算法，是Agrawal.R 、Imieliński.T等人在1994第20届大型数据库国际会议上提出的＼[5＼]，于当时最具影响力。此算法实质是一个逐层迭代搜索的方法，利用K项集探索K+1项??。第一次，找出频繁1项集的集合，记为L1；第二次，利用L1探索L2，找出频繁2项集，记为L2；如此进行探索，直至频繁项集K为空，停止。 　　算法描述如下： 　　Input： Database D， of transactions； minimum support threshold； 　　Output： L， frequent itemsets in D 　　Method： 　　（1） L1=find_frequent_1-itemsets（D）； 　　（2） For（k=2； Lk-1≠Φ； k++）{ 　　（3） Ck=apriori_gen（Lk-1， min_sup）； 　　（4） for each transaction t∈D{ 　　（5） Ct=subset（Ck，t）； 　　（6） for each candidate c ∈Ct； 　　（7） c.count++； 　　（8） } 　　（9） Lk={ c∈Ck |c.count≥min_sup}； 　　（10） } 　　（11） return L=∪kLk； 　　Procedure apriori_gen（Lk-1：frequent（k-1）-itemsets； min_sup： support） 　　（1） for each itemset l1∈ Lk-1 　　（2） for each itemset l2∈ Lk-1 　　（3） if（l1＼[1＼]= l2 ＼[1＼]）∧ （l1＼[2＼]= l2＼[2＼]） ∧…∧（l1＼[k-2＼]= l2＼[k-2＼]）∧ （l1 ＼[k-1＼]= l2 ＼[k-1＼]） then { 　　（4） c=l1∪ l2； 　　（5） if has_infrequent_subset（c， L k-1） then 　　（6） delete c； 　　（7） else add c to Ck； 　　（8） } 　　（9） return Ck； 　　Procedure has_infrequent_subset（c： candidate k-itemset； Lk-1： 　　frequent（k-1）-itemsets） 　　（1） for each（k-1）-subset s of c 　　（2） if s ！∈L k-1 then 　　（3） return tru