Spark环境下犯罪人员时空关联规则挖掘
Spatiotemporal Association Rules Mining for Key Personnel Based on FP-Growth in Spark Environment
DOI: 10.12677/HJDM.2018.84022, PDF,   
作者: 程博*, 李卫红：华南师范大学，广东 广州；童昊昕：航天精一（广东）信息科技有限公司，广东 广州
关键词: Spark；FP-growth；时空关联规则；潜在犯罪人员；Spark； FP-Growth； Spatio-Temporal Association Rules； Potential Key Personnel
摘要: 针对关于潜在犯罪人员的预测、挖掘效果不佳，利用犯罪人员、交通出行和住宿消费等数据，在Spark分布式运算框架下，基于FP-growth的时空关联规则方法，分析犯罪人员数据和其他数据之间的关联规则，挖掘出潜在的犯罪人员。首次提出将关联规则算法用于普通出行消费数据实现潜在犯罪人员的预测。该方法已成功应用于X市警务系统，通过实践检验证明该方法在发现潜在犯罪人员方面的有效性。
Abstract: Taking the improvement of public security enforcement efficiency and the urgent need for crime prevention and improvement, focusing on key personnel, car ticketing and hotel accommodation data, we analyzed the key personnel data and other data to get association rules in the framework of Spark distributed computing using the method of spatio-temporal association rules based on FP-growth, and find potential key personnel. This method has been successfully applied to the policing system. It has been proved through practical tests that the method is effective in detecting potential offenders.
文章引用：程博, 李卫红, 童昊昕. Spark环境下犯罪人员时空关联规则挖掘[J]. 数据挖掘, 2018, 8(4): 210-219. https://doi.org/10.12677/HJDM.2018.84022

参考文献

[1] Ng, V., Chan, S., Lau, D., et al. (2007) Incremental Mining for Temporal Association Rules for Crime Pattern Discov-eries. Proceedings of the 18th Australasian Database Conference (ADC 2007), Ballarat, Victoria, 29 January-2 February 2007, 123-132.
[2] Buczak, A.L. and Gifford, C.M. (2010) Fuzzy Association Rule Mining for Community Crime Pattern Discovery. ACM SIGKDD Workshop on Intelligence and Security Informatics, Washington, DC, 25-28 July 2010, 1-10. [Google Scholar] [CrossRef] 
[3] Tan, Y., Qi, Z. and Wang, J. (2012) Applications of Association Rules in Computer Crime Forensics. Applied Mechanics & Materials, 157-158, 1281-1286. [Google Scholar] [CrossRef] 
[4] Joshi, A. and Suresh, M.B. (2014) Compact Structure of Felonious Crime Sets Using FP-Tree Comparable Algorithms Analysis. International Journal of Computer Science and Information Technologies, 5, 2694-2699.
[5] Usha, D. and Rameshkumar, K. (2013) Frequent Pattern Mining Algorithm for Crime Dataset: An Analysis. International Journal of Engineering Sciences & Research Tech-nology, 2, 3379-3384.
[6] Usha, D. and Rameshkumar, K. (2014) A Complete Survey on Application of Frequent Pattern Mining and Association Rule Mining on Crime Pattern Mining. International Journal of Advances in Computer Science and Technology, 3, 264-275.
[7] Shekhar, S., Mohan, P., Oliver, D., et al. (2014) Crime Pattern Analysis: A Spatial Frequent Pattern Mining Approach Crime Pattern Analysis: A Spatial Frequent Pattern Mining Approach. Crime Pattern Analysis a Spatial Frequent Pattern Mining Approach.
[8] Isafiade, O., Bagula, A. and Berman, S. (2015) A Revised Frequent Pattern Model for Crime Situation Recognition Based on Floor-Ceil Quartile Function. Procedia Computer Science, 55, 251-260. [Google Scholar] [CrossRef] 
[9] Asmai, S.A., Roslin, N.I.A., Abdullah, R.W., et al. (2014) Pre-dictive Crime Mapping Model Using Association Rule Mining for Crime Analysis. Science International, 26, 1703-1706.
[10] 林和, 莫照, 虞龙江, 等. 基于Rough集数据挖掘在犯罪人口数据库中的应用[J]. 计算机科学技术, 2007.
[11] 虞龙江. 模糊与粗集理论在犯罪人口数据库中的应用[D]: [硕士学位论文]. 兰州: 兰州大学, 2003.
[12] 魏士靖, 张基温, 耿汝年. 基于犯罪画像的计算机取证分析方法研究[J]. 微计算机信息, 2006, 22(4): 237-239.
[13] 魏士靖. 关联规则在画像分析取证中的应用[J]. 中国科技论文在线, 2005.
[14] 宿娜. 基于关联规则的实时网络取证模型研究[D]: [硕士学位论文]. 青岛: 山东科技大学, 2013.
[15] 盛巍. 侦查信息关联规则原理[J]. 科技信息, 2012(36): 300-300.
[16] 于娜. 基于关联规则算法的嫌疑程度关系发现方法研究[D]: [硕士学位论文]. 大连: 大连工业大学, 2015.
[17] 徐伟, 张军. 关联规则在犯罪行为分析中的应用研究[C]//中国科协年会. 第十届中国科协年会论文集: 2008年卷.
[18] 汤毅平. 基于Apriori算法的重新犯罪关联规则挖掘[J]. 指挥信息系统与技术, 2016(3): 91-95.
[19] 冯卓慧, 冯前进. 基于关联规则的再犯罪特征分析[J]. 浙江理工大学学报(社会科学版), 2017, 38(1): 57-60.
[20] 闫密巧, 过仲阳, 任浙豪. 基于聚类关联规则的公交扒窃犯罪时空分析[J]. 华东师范大学学报: 自然科学版, 2017(3): 145-152.
[21] 孙越恒, 王文俊, 迟晓彤, 等. 基于多维时间序列模型的社会安全事件关联关系挖掘与预测[J]. 天津大学学报(社会科学版), 2016, 18(2): 97-102.
[22] 王慧, 郑涛, 张建岭. 基于聚类的关联规则算法在刑事犯罪行为分析中的应用[J]. 中国人民公安大学学报(自然科学版), 2010, 16(3): 64-67.
[23] 王海波, 张永田, 吴升. 基于数据立方体的多最小支持度关联规则在犯罪分析中的应用[J]. 测绘科学技术学报, 2016, 33(4): 405-409.
[24] 杜威, 邹先霞. 增量关联规则挖掘算法在犯罪行为中的应用研究[J]. 中国人民公安大学学报(自然科学版), 2011, 17(2): 56-58.
[25] 许阳泉. 关联规则在财产犯罪分析中的应用[D]: [硕士学位论文]. 福州: 福州大学, 2014.
[26] 张予. 数据挖掘技术在高危人员犯罪信息挖掘的应用研究[D]: [硕士学位论文]. 南昌: 南昌大学, 2009.
[27] 夏英, 张俊, 王国胤. 时空关联规则挖掘算法及其在ITS中的应用[J]. 计算机科学, 2011, 38(9): 173-176.
[28] 李晶晶. 时空数据挖掘在环境保护中的应用研究[D]: [硕士学位论文]. 长沙市: 中南大学, 2008.
[29] Xue, C.J., Dong, Q. and Ma, W.X. (2014) Object-Oriented Spatial-Temporal Association Rules Mining on Ocean Remote Sensing Imagery. 35th International Symposium on Remote Sensing of Environment, Beijing, 22-26.
[30] Mennis, J. and Liu, J.W. (2005) Mining Association Rules in Spatio-Temporal Data: An Analysis of Urban Socioeconomic and Land Cover Change. Transactions in GIS, 9, 5-17. [Google Scholar] [CrossRef] 
[31] 叶文菁, 吴升. 基于加权时空关联规则的公交扒窃犯罪模式识别[J]. 地球信息科学学报, 2014, 16(4): 537-544.

为你推荐