• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx

      基于關(guān)聯(lián)規(guī)則的野生動植物案件的犯罪行為分析

      2018-01-04 12:02邱明月王新猛唐松澤
      電腦知識與技術(shù) 2018年29期
      關(guān)鍵詞:項(xiàng)集動植物置信度

      邱明月 王新猛 唐松澤

      摘要:為了分析野生動植物案件的犯罪特征與隱形犯罪規(guī)律,填補(bǔ)關(guān)聯(lián)規(guī)則分析在野生動植物案件中的應(yīng)用空白,本文基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法對典型的野生動植物案件的犯罪行為進(jìn)行分析。通過分析森林公安信息化案件的相關(guān)因素與犯罪行為之間的關(guān)聯(lián)特征等,為森林公安信息化建設(shè)提供數(shù)據(jù)參考與建議。

      關(guān)鍵字:關(guān)聯(lián)規(guī)則;野生動植物案件;Apriori;數(shù)據(jù)挖掘

      中圖分類號:TP311 文獻(xiàn)標(biāo)識碼:A 文章編號:1009-3044(2018)29-0029-03

      1 研究背景

      隨著世界人口的增長,資源的承載能力越來越弱,資源的利用和保護(hù)的矛盾日益尖銳,導(dǎo)致人類與自然的沖突呈多發(fā)態(tài)勢。野生動植物的非法貿(mào)易日益猖獗,嚴(yán)重破壞了野生動植物資源,且嚴(yán)重影響到生物多樣性和資源安全。隨著信息化發(fā)展,野生動植物犯罪行為也開始呈現(xiàn)出信息化和多樣化態(tài)勢。在大數(shù)據(jù)時代,對于案件的犯罪行為分析與研判不僅可以基于以往的辦案經(jīng)驗(yàn),還應(yīng)當(dāng)結(jié)合數(shù)據(jù)挖掘等大數(shù)據(jù)處理技術(shù),對野生動植物信息化案件進(jìn)行精準(zhǔn)分析,為打擊野生動植物犯罪行為提供科學(xué)的參考。

      關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘算法的一種,近年來被廣泛應(yīng)用于犯罪預(yù)防、打擊犯罪和警力部署等公安決策支持領(lǐng)域。閆密巧等基于某市110報警數(shù)據(jù)庫中的大量公交扒竊案件信息,對具有相似性的,特征明顯的警情進(jìn)行時空特征的關(guān)聯(lián)分析。由分析的規(guī)則得出,某路段的頻繁案發(fā)時間,以及作案較少的路段和時間段【1】。張亞洲通過梳理搶劫案件的相關(guān)特征,運(yùn)用Apriori算法對犯罪特征進(jìn)行關(guān)聯(lián)規(guī)則挖掘,分析歸納了某市搶劫犯罪行為的關(guān)聯(lián)特征【2】。許陽泉通過改進(jìn)的Apriori算法,研究特定區(qū)域侵財類犯罪案件特點(diǎn)。測試的結(jié)果表明,改進(jìn)的算法有明顯的優(yōu)勢,且驗(yàn)證了得到的關(guān)聯(lián)規(guī)則在實(shí)際公安工作中的可行性【3】。張浩明針對違法犯罪涉嫌人員的檔案內(nèi)容,對犯罪程度和客觀因素之間進(jìn)行關(guān)聯(lián)規(guī)則分析,并由數(shù)據(jù)仿真實(shí)驗(yàn)得出一定數(shù)量的關(guān)聯(lián)規(guī)則。馮卓慧通過采用約簡算法和Apriori關(guān)聯(lián)算法對監(jiān)獄的刑釋人員進(jìn)行再犯罪的規(guī)律挖掘,并得出盜竊罪前科、年齡小、文化程度低和刑期短是再犯罪的主要特征【4】。由以上關(guān)聯(lián)規(guī)則在犯罪規(guī)律分析的應(yīng)用可以看出,關(guān)聯(lián)規(guī)則在犯罪預(yù)測,犯罪規(guī)律分析得到了科學(xué)有效的應(yīng)用,為相關(guān)部門提供了一定的決策支持【5】。在當(dāng)前研究文獻(xiàn)中,將數(shù)據(jù)挖掘算法應(yīng)用到野生動植物案件的相關(guān)研究較少。本文基于典型的信息化野生動植物案例,對野生動植物案件的相關(guān)因素與犯罪行為進(jìn)行關(guān)聯(lián)規(guī)則挖掘,為森林公安提供可參考的辦案思路與建議。

      2 關(guān)聯(lián)規(guī)則

      2.1關(guān)聯(lián)規(guī)則的基本概念

      關(guān)聯(lián)規(guī)則是指從事務(wù)數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫和其他信息存儲中的大量數(shù)據(jù)的項(xiàng)集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關(guān)聯(lián)和相關(guān)性,即所謂的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則主要反映事物之間的關(guān)聯(lián)性,即在大量的數(shù)據(jù)集中,發(fā)現(xiàn)數(shù)據(jù)中沒有直接體現(xiàn)的潛在關(guān)聯(lián)性或相關(guān)性。如果兩個事物之間存在關(guān)聯(lián),就可以利用關(guān)聯(lián)分析通過一個事物來預(yù)測另外一個事物【6】。關(guān)聯(lián)規(guī)則常以[A→B]的形式表示,其中[A]與[B]是2個互斥的項(xiàng)集,常用的關(guān)聯(lián)規(guī)則度量包括支持度、置信度和提升度。

      2.2 支持度、置信度和提升度

      2.3 Apriori算法

      Apriori算法是關(guān)聯(lián)規(guī)則中最經(jīng)典的挖掘算法,是Agrawal R、Imielinski.T等人在1994年第20屆大型數(shù)據(jù)庫國際會議上提出的【7】。該算法的實(shí)際運(yùn)算過程分為2個階段:首先識別出所有滿足最小支持度閾值的項(xiàng)集;然后根據(jù)滿足最小置信度閾值的項(xiàng)集來創(chuàng)建規(guī)則。

      本文通過Apriori算法,對野生動植物案件的犯罪行為進(jìn)行關(guān)聯(lián)規(guī)則分析,具體的算法流程如圖1所示。Apriori算法的主要實(shí)現(xiàn)步驟如下:

      (1) 設(shè)定最小支持度和最小置信度,通過全掃描動植物案件的數(shù)據(jù)庫, 對每個項(xiàng)進(jìn)行計(jì)數(shù),產(chǎn)生候選項(xiàng)集C1。

      (2) 判斷每個項(xiàng)集的支持度是否大于最小支持度,以此收集滿足最小支持度計(jì)數(shù)的項(xiàng), 形成頻繁1-項(xiàng)集合并記作L1 ,否則將其視為第一次剪枝。

      (3) 執(zhí)行L1 與自身的“連接”以產(chǎn)生候選2-項(xiàng)集合, 以產(chǎn)生L2的超集,記作C2。然后掃描C2的項(xiàng)集,如果某候選2-項(xiàng)(集)的1-項(xiàng)子(集)不在L1中, 則該候選2-項(xiàng)(集)也不可能是頻繁的, 將其從C2 中刪除, 實(shí)現(xiàn)第二次剪枝。

      (4) 以L2 自身“連接”形成C3,如此下去,直到找到包含所有特征屬性項(xiàng)的頻繁k-項(xiàng)集合。最后,產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。

      在上述的步驟(3)中,找出C2時用到的原理是:若某個項(xiàng)集是頻繁的,那么其所有子集也必定是頻繁的。所以,若某個項(xiàng)集的子集不是頻繁項(xiàng)集,則此項(xiàng)集也不可能是頻繁的,應(yīng)該被剪枝剔除。

      3 Apriori算法在野生動植物案件中的應(yīng)用

      3.1數(shù)據(jù)處理

      本文的數(shù)據(jù)來源是從各地森林公安機(jī)關(guān)收集的70份森林公安信息化破案材料。相關(guān)材料包含案例介紹、辦案過程中信息化手段應(yīng)用情況和案例點(diǎn)評等部分。本文從中提取有效信息,并對文本和相關(guān)信息進(jìn)行數(shù)值化處理,以便更好地將數(shù)據(jù)應(yīng)用到后續(xù)的關(guān)聯(lián)規(guī)則分析中。在去除無效數(shù)據(jù),對相關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后,得到了整理后的數(shù)據(jù)。

      本文從案件、人、物品、時間、空間這五個方面對森林公安信息化案件的相關(guān)變量進(jìn)行歸類總結(jié)。按照案件(案件性質(zhì)、案件類型、案件來源),人(犯罪嫌疑人個數(shù)、犯罪嫌疑人性別、年齡、文化程度、職業(yè)、民族、戶籍、有無外號、是否有前科劣跡、是否知曉其犯罪、作案動機(jī)),物品(涉及野生動物的種類數(shù)、涉及野生動物的種類、對應(yīng)數(shù)量或質(zhì)量、對應(yīng)保護(hù)級別、有無對應(yīng)隱語、涉案金額、野生動物來源),空間(上家所在地、野生動物的去向、下家所在地、交易方式、聯(lián)絡(luò)方式、作案地點(diǎn)、發(fā)案地點(diǎn)),時間(發(fā)案時間、結(jié)案時間、破案時長)這五大因素對所有案件的相關(guān)信息進(jìn)行梳理。

      除了以上五大要素外,針對森林公安的信息化案件偵破手段,本文還對森林公安的破案方式進(jìn)行分析研究。具體的森林公安信息化偵破手段相關(guān)因素包括:確定嫌疑人身份、確定位置、抓獲嫌疑人方式、確定關(guān)系人方式、確定證據(jù)、警務(wù)綜合平臺、基礎(chǔ)信息平臺、大情報平臺、通訊設(shè)備監(jiān)控、通訊設(shè)備監(jiān)聽、網(wǎng)上排查、監(jiān)控嫌疑人網(wǎng)絡(luò)通訊、監(jiān)控視頻、銀行記錄查詢、車輛查詢、秘密跟蹤、摸底排查、外圍偵查、蹲守、活動軌跡分析、審訊、化妝偵查、現(xiàn)場勘查、邊控、網(wǎng)上追緝、陣地控制、巡線追蹤、秘密力量等。

      根據(jù)以上相關(guān)因素對所有卷宗進(jìn)行梳理后,得到了大量的動物、植物以及其他森林公安案件的相關(guān)數(shù)據(jù)。根據(jù)已破的野生動植物信息化案件的各類案件信息數(shù)據(jù)進(jìn)行梳理,截取部分?jǐn)?shù)據(jù)預(yù)覽如表1所示。

      3.2 Apriori算法應(yīng)用結(jié)果分析

      通過Apriori算法對整理后的森林公安信息化案例數(shù)據(jù)進(jìn)行分析挖掘。設(shè)定最小支持度為20%,最小置信度為60%。運(yùn)行關(guān)聯(lián)規(guī)則Apriori算法程序后,由置信度的值由高到低排列得到的部分實(shí)驗(yàn)結(jié)果如表2所示。

      對于以上挖掘到的強(qiáng)關(guān)聯(lián)規(guī)則,需要對結(jié)果進(jìn)行分析。由表2的部分關(guān)聯(lián)規(guī)則結(jié)果可知,按置信度排名1和2的強(qiáng)關(guān)聯(lián)規(guī)則為:交易方式=3(面對面交易)→破案時長=0(不到一個月);交易方式=3(面對面交易)∩野生動植物來源=1(從上家處獲?。瓢笗r長=0(不到一個月)。這兩條規(guī)則的支持度均為22.7%,置信度均為65.5%,且規(guī)則提升度為4.2大于1。由提升度可知,交易方式為面對面交易和野生動植物來源為上家對破案時長小于1個月有促進(jìn)作用,即上家在與下家交易野生動植物時,公安機(jī)關(guān)可以很快從面對面交易的過程中發(fā)現(xiàn)破案線索,獲得情報、了解作案地點(diǎn)后,便于當(dāng)場抓獲人(雙方犯罪嫌疑人)、物(直接證據(jù)—野生動物)、事(雙方違法交易),快速偵破案件。

      按置信度排名3和4的強(qiáng)關(guān)聯(lián)規(guī)則為:聯(lián)絡(luò)方式=1(網(wǎng)絡(luò)平臺)→破案時長=1(大于一個月);聯(lián)絡(luò)方式=1(網(wǎng)絡(luò)平臺)∩野生動植物來源=1(從上家處獲?。瓢笗r長=1(大于一個月)。這兩條規(guī)則的支持度均為21.1%,置信度均為62.7%,且規(guī)則提升度為3.9大于1。由提升度可知,聯(lián)絡(luò)方式為網(wǎng)絡(luò)平臺和野生動植物來源為上家對破案時長大于1個月有促進(jìn)作用,即上家在與下家交易野生動植物時,由于網(wǎng)絡(luò)平臺具有一定隱蔽性,不利于公安機(jī)關(guān)發(fā)現(xiàn)破案線索,同時難以取得有效的電子證據(jù),所以花費(fèi)的破案時間較長。

      按置信度排名5和6的強(qiáng)關(guān)聯(lián)規(guī)則為:交易方式=3(面對面交易)∩野生動物去向=2(下家)∩野生動植物來源=1(從上家處獲?。瓢笗r長=0(不到一個月);交易方式=3(面對面交易)∩野生動物去向=2(下家)→破案時長=0(不到一個月)。這兩條規(guī)則的支持度均為21.1%,置信度均為62.7%,且規(guī)則提升度為4.1大于1。與強(qiáng)關(guān)聯(lián)規(guī)則1和2類似,在上家與下家進(jìn)行面對面交易時,公安機(jī)關(guān)可以迅速從上家與下家的交易細(xì)節(jié)中偵查線索,進(jìn)而快速對案件進(jìn)行偵破。

      按置信度排名7和8的強(qiáng)關(guān)聯(lián)規(guī)則為:交易方式=1(利用快遞)→破案時長=1(大于一個月);交易方式=1(利用快遞)∩野生動植物來源=1(從上家處獲?。瓢笗r長=1(大于一個月)。這兩條強(qiáng)規(guī)則的支持度為26.1%,規(guī)則置信度為60.5%,規(guī)則提升度為3.5。因?yàn)樘嵘葹?.5大于1,所以交易方式為快遞交易且野生動植物來源為上家對破案時長大于1個月有促進(jìn)作用,即上家在與下家交易野生動植物時,公安機(jī)關(guān)難以從快遞交易的過程中發(fā)現(xiàn)破案線索,所以花費(fèi)的破案時間較長。這類案件抓獲犯罪嫌疑人的方式以當(dāng)場抓獲人(單方犯罪嫌疑人)、物(直接證據(jù)—野生植物)為主,由于通常只抓獲單方犯罪嫌疑人,因此要抓獲上家需要進(jìn)一步偵查,相比于交易方式為面對面的,交易方式為快遞要耗費(fèi)更多的時間。

      4 結(jié)論與探討

      本文通過分析全國森林公安信息化已破案例,對案例信息進(jìn)行數(shù)據(jù)處理,并運(yùn)用Aprior算法對森林公安信息化案件中的各類因素進(jìn)行關(guān)聯(lián)分析,從而挖掘潛在的犯罪規(guī)律,對野生動植物案件的相關(guān)犯罪行為進(jìn)行分析。通過以上研究,初步得出以下研究結(jié)論:

      一是通過Aprior算法挖掘出的有效強(qiáng)規(guī)則發(fā)現(xiàn),森林公安在基于面對面交易的野生動植物案件中,在獲得相關(guān)情報后能夠快速偵破案件

      二是在以網(wǎng)絡(luò)平臺為基礎(chǔ)的野生動植物買賣案件中,由于網(wǎng)絡(luò)平臺的隱蔽性,不利于發(fā)現(xiàn)線索,導(dǎo)致破案時間較長

      三是在基于快遞交易的野生動植物相關(guān)案件中,森林公安難以從快遞交易中發(fā)現(xiàn)有效線索,從而導(dǎo)致案件破獲時間較長

      所以,建議森林公安機(jī)關(guān)加大對網(wǎng)絡(luò)平臺以及快遞交易等野生動植物買賣渠道的監(jiān)控,有效監(jiān)管以被動化為主動,提高對野生動植物相關(guān)案件的偵破效率,從而有效打擊各類破壞森林和野生動植物資源的違法犯罪活動,為保衛(wèi)生態(tài)建設(shè)做出貢獻(xiàn)。

      參考文獻(xiàn):

      [1] 閆密巧,過仲陽,任浙豪.基于聚類關(guān)聯(lián)規(guī)則的公交扒竊犯罪時空分析[J].華東師范大學(xué)學(xué)報(自然科學(xué)版),2017(03):145-152.

      [2] 張亞洲.改進(jìn)型Apriori算法在犯罪關(guān)聯(lián)分析中的應(yīng)用[J].無線互聯(lián)科技,2013(09):148-149.

      [3]許陽泉.改進(jìn)型Apriori算法在犯罪關(guān)聯(lián)分析中的應(yīng)用[J].軟件導(dǎo)刊,2013,12(11):68-70.

      [4] 馮卓慧,馮前進(jìn).基于關(guān)聯(lián)規(guī)則的再犯罪特征分析[J].浙江理工大學(xué)學(xué)報(社會科學(xué)版),2017,38(01):57-60.

      [5] 杜威,鄒先霞.增量關(guān)聯(lián)規(guī)則挖掘算法在犯罪行為中的應(yīng)用研究[J].中國人民公安大學(xué)學(xué)報(自然科學(xué)版),2011,17(02):56-58.

      [6] 白潔,田瑞麗,張學(xué)軍.Apriori 算法在用戶特性關(guān)聯(lián)分析中的應(yīng)用[J].計(jì)算機(jī)與網(wǎng)絡(luò),2016,42(12):70-72.

      [7] 湯毅平.基于Apriori算法的重新犯罪關(guān)聯(lián)規(guī)則挖掘[J].指揮信息系統(tǒng)與技術(shù),2016,7(03):91-95.

      【通聯(lián)編輯:光文玲】

      猜你喜歡
      項(xiàng)集動植物置信度
      硼鋁復(fù)合材料硼含量置信度臨界安全分析研究
      動植物御寒方法大比拼
      正負(fù)關(guān)聯(lián)規(guī)則兩級置信度閾值設(shè)置方法
      有趣的動植物
      把動植物當(dāng)“人”寫
      置信度條件下軸承壽命的可靠度分析
      一種頻繁核心項(xiàng)集的快速挖掘算法
      多假設(shè)用于同一結(jié)論時綜合置信度計(jì)算的新方法?
      一種新的改進(jìn)Apriori算法*
      分布式數(shù)據(jù)庫的精簡頻繁模式集及其挖掘算法*
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      绥化市| 富裕县| 留坝县| 台北县| 肥乡县| 永吉县| 祁门县| 天柱县| 东方市| 巴彦淖尔市| 昆山市| 江津市| 乐陵市| 崇礼县| 肥城市| 岐山县| 荥阳市| 广河县| 黎城县| 淮阳县| 澳门| 北京市| 大埔区| 云梦县| 洱源县| 集贤县| 伊川县| 蒲江县| 灵寿县| 武邑县| 瑞安市| 东台市| 龙江县| 会理县| 甘肃省| 迁安市| 平乡县| 大荔县| 柏乡县| 开平市| 宣恩县|