[發明專利]基于k?means算法的公安犯罪類案研判方法

在審

• 申請號: 201710147542.5
• 申請日: 2017-03-13
• 公開（公告）號: CN107145895A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 呂品高;王忠林
• 申請（專利權）人: 東方網力科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/26
• 代理公司: 北京金智普華知識產權代理有限公司11401
• 代理人: 皋吉甫

技術領域

本發明涉及一種基于k-means算法的公安犯罪類案研判方法。

背景技術

對于當前社會發生案件，在偵查無法定位犯案人員具體信息情況，通過別的類案聚類為一種相似犯罪類型，通過這些聚類好的類案，結合其他信息(例如:旅業、出行、通聯基站信息)找到共同出現人員，就可以落地為重點嫌疑人，對破案具有重大意義。現在通過一種智能化k-means算法將其相似類案聚類一起，而不需要人工主觀去判斷。

通過調查發現對于類案聚類，一般通過人工通過經驗手動對其相似案例類案聚類，并沒有引進先進智能化、實效性、自動化、高效的聚類研判方法。

對于當前社會發生犯罪案件，一般公安民警到現場偵查提取案件相關信息，但有時候一些案件偵查不到具體任何作案人相關信息，這時候民警人工將一段時間范圍及周邊城市發生類似案例(案件類型、作案時間、作案對象、作案地點、作案人員區域和作案工具)通過人工主觀選取做為類案聚類，然后假想該聚類案件為同一個人或同一伙人犯案，在結合其它相關信息關聯碰撞細化，最終定位到具體犯案人。但是在查找類案定位上通過人工研判會遇到下面幾個問題：1)案件種類繁瑣；2)案件數據量大；3)案件數據容易遺漏；4)人工主觀判斷，增加聚類風險；5)實時性比較低，不能快速類案聚類；6)人工大批量投入，大大增加一線辦案民警的工作量。

發明內容

為了解決上述問題針對這種問題，本發明的目的是提出一種智能化、自動化、準確性的進行類案聚類研判，從而大大降低民警工作量，提高破案效率的基于改進k-means算法的公安犯罪類案研判方法。

本發明的技術方案是：基于改進k-means算法的公安犯罪類案研判方法，其特征在于，該方法為：收集用戶最近已經破案的歷史案件信息存入數據庫中，定義維度向量屬性，抽取數據庫中的案件特征，將抽取出的案件特征利用詞袋模型進行屬性向量化，得到數據庫中案件特征的案件矩陣，運用k-means算法對案件矩陣進行類聚，形成類案庫，取每個類集中的所有案件向量的坐標的平均值，并將K類別的質心組成向量矩陣A；通過用戶輸入新的案件，通過步驟1定義的維度向量屬性確定新輸入案件所對應案件特征向量，并將新的案件標示為向量B1；將B1分別與矩陣A中Ai計算歐幾里得距離，即輸入案件向量與K個類案集的距離，并推送距離最近的類案集給用戶，尋找案件的共性，協助破案。

進一步，該方法具體包括以下步驟：

步驟1：收集用戶已經破案的歷史案件信息存入數據庫中，定義6個維度向量屬性；

步驟2：抽取數據庫中的案件特征，將抽取出的案件特征利用詞袋模型進行屬性向量化，得到數據庫中案件特征的案件矩陣；

步驟3：運用k-means算法對案件矩陣進行聚類，形成類案庫，取每個類集中的所有案件向量的坐標的平均值，視為該類集的質心Ai，i＝K最優值，并將K類別的質心組成向量矩陣A；

步驟4：通過用戶輸入新的案件，通過步驟1定義的6個維度向量屬性確定新輸入案件所對應案件特征向量，并將新的案件標示為向量B1；將B1分別與矩陣A中Ai計算歐幾里得距離，即輸入案件向量與K個類案集的距離，并推送距離最近的類案集給用戶，尋找案件的共性，協助破案。

進一步，所述已經破案的歷史案件為至少一個月內的。

進一步，所述步驟1中的維度向量屬性分別為案件類型、作案時間、作案對象、作案地點、作案人員區域和作案工具。

進一步，所述步驟2中：所述詞袋模型進行屬性向量化的具體步驟為：首先計算每一個案情簡要說明Case_i中的關鍵詞name_ij(nameij表示屬性域值)相對于詞袋中S個基本詞的相似度，S＞0，并選出最大相似度；然后將選取的最大相似度乘以關鍵詞name_ij在詞袋中的順序使其唯一性，得到name_ij對應的數值x_ij；所有歷史案件的每個特征進行上述操作，得到案件矩陣，為：

式中：x₁₁為第一個案件向量維度-案件類型與詞袋中比對基本相似度最大值，x_i1為第i個案件向量維度-案件類型與詞袋中比對基本相似度最大值，X_1j為第1個案件向量維度-案件類型與詞袋中比對基本相似度最大值，x_i1為第i個案件向量維度-案件類型與詞袋中比對基本相似度最大值，j為維度值，j＝6,i為案件數，i>0。