基于k‑means算法的公安犯罪类案研判方法技术

本发明专利技术基于k‑means算法的公安犯罪类案研判方法，该方法的步骤为：收集客户最近至少大于1个月已经破案案件信息存入数据库中，定义6个维度向量属性；抽取案件的案件特征利用词袋模型进行属性向量化，得到案件矩阵；运用k‑means算法类聚，形成类案库，取每个类集中的所有案件向量的坐标的平均值，视为该类集的质心Ai，i＝K最优值，并将K类别的质心组成向量矩阵A；通过用户输入新的案件，通过步骤1定义向量属性确定对应案件特征向量，即输入案件向量与k个类案集的距离，并推送距离最近的类案集给办案民警用户，寻找案件的共性，协助破案。本发明专利技术可实现智能化、自动化、准确性的进行类案聚类研判，从而大大降低民警工作量，提高破案效率。

【技术实现步骤摘要】
基于k-means算法的公安犯罪类案研判方法
本专利技术涉及一种基于k-means算法的公安犯罪类案研判方法。
技术介绍
对于当前社会发生案件，在侦查无法定位犯案人员具体信息情况，通过别的类案聚类为一种相似犯罪类型，通过这些聚类好的类案，结合其他信息(例如:旅业、出行、通联基站信息)找到共同出现人员，就可以落地为重点嫌疑人，对破案具有重大意义。现在通过一种智能化k-means算法将其相似类案聚类一起，而不需要人工主观去判断。通过调查发现对于类案聚类，一般通过人工通过经验手动对其相似案例类案聚类，并没有引进先进智能化、实效性、自动化、高效的聚类研判方法。对于当前社会发生犯罪案件，一般公安民警到现场侦查提取案件相关信息，但有时候一些案件侦查不到具体任何作案人相关信息，这时候民警人工将一段时间范围及周边城市发生类似案例(案件类型、作案时间、作案对象、作案地点、作案人员区域和作案工具)通过人工主观选取做为类案聚类，然后假想该聚类案件为同一个人或同一伙人犯案，在结合其它相关信息关联碰撞细化，最终定位到具体犯案人。但是在查找类案定位上通过人工研判会遇到下面几个问题：1)案件种类繁琐；2)案件数据本文档来自技高网...

【技术保护点】
基于改进k‑means算法的公安犯罪类案研判方法，其特征在于，该方法为：收集用户最近已经破案的历史案件信息存入数据库中，定义维度向量属性，抽取数据库中的案件特征，将抽取出的案件特征利用词袋模型进行属性向量化，得到数据库中案件特征的案件矩阵，运用k‑means算法对案件矩阵进行聚类，形成类案库，取每个类集中的所有案件向量的坐标的平均值，并将K类别的质心组成向量矩阵A；通过用户输入新的案件，根据定义的维度向量属性确定新输入案件所对应案件特征向量，并将新的案件标示为向量B1；将B1分别与矩阵A中Ai计算欧几里得距离，即输入案件向量与K个类案集的距离，并推送距离最近的类案集给用户，寻找案件的共性，协助...

【技术特征摘要】
1.基于改进k-means算法的公安犯罪类案研判方法，其特征在于，该方法为：收集用户最近已经破案的历史案件信息存入数据库中，定义维度向量属性，抽取数据库中的案件特征，将抽取出的案件特征利用词袋模型进行属性向量化，得到数据库中案件特征的案件矩阵，运用k-means算法对案件矩阵进行聚类，形成类案库，取每个类集中的所有案件向量的坐标的平均值，并将K类别的质心组成向量矩阵A；通过用户输入新的案件，根据定义的维度向量属性确定新输入案件所对应案件特征向量，并将新的案件标示为向量B1；将B1分别与矩阵A中Ai计算欧几里得距离，即输入案件向量与K个类案集的距离，并推送距离最近的类案集给用户，寻找案件的共性，协助破案。2.根据权利要求1所述的公安犯罪类案研判方法，其特征在于，该方法具体包括以下步骤：步骤1：收集用户已经破案的历史案件信息存入数据库中，定义6个维度向量属性；步骤2：抽取数据库中的案件特征，将抽取出的案件特征利用词袋模型进行属性向量化，得到数据库中案件特征的案件矩阵；步骤3：运用k-means算法对案件矩阵进行聚类，形成类案库，取每个类集中的所有案件向量的坐标的平均值，视为该类集的质心Ai，i＝K最优值，并将K类别的质心组成向量矩阵A；步骤4：通过用户输入新的案件，通过步骤1定义的6个维度向量属性确定新输入案件所对应案件特征向量，并将新的案件标示为向量B1；将B1分别与矩阵A中Ai计算欧几里得距离，即输入案件向量与K个类案集的距离，并推送距离最近的类案集给办案民警用户，寻找案件的共性，协助破案。3.根据权利要求2所述的公安犯罪类案研判方法，其特征在于，所述已经破案的历史...

【专利技术属性】
技术研发人员：吕品高，王忠林，
申请(专利权)人：东方网力科技股份有限公司，
类型：发明
国别省市：北京,11