没有合适的资源?快使用搜索试试~ 我知道了~
数据挖掘在公安系统的应用.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 201 浏览量
2023-06-13
23:28:50
上传
评论
收藏 831KB PDF 举报
温馨提示
试读
24页
数据挖掘在公安系统的应用.pdf
资源推荐
资源详情
资源评论
1. 综述............................................................................................................................................2
2. 工程技术规范书........................................................................................................................3
2.1 支持主流 UNIX 和 Window 平台............................................................................3
2.2 支持图形化界面、菜单驱动、拖拉式的操作........................................................3
2.3 提供丰富的数据挖掘模型和灵活算法....................................................................4
2.4 具有多模型的整合能力,使得生成的模型更加稳定和高效................................5
2.5 要求数据挖掘流程易于管理、可再利用、可充分共享........................................5
2.6 提供模型评估方法....................................................................................................6
2.7 数据挖掘的结果可以集成于其它的应用中............................................................6
2.8 大数据量的处理要求................................................................................................7
2.9 直接在数据仓库的数据库内进行数据挖掘............................................................8
2.10 响应速度....................................................................................................................9
2.11 能够对挖掘的过程进行监控,及时处理异常情况..............................................10
2.12 有并行处理能力......................................................................................................10
2.13 支持访问异构数据库..............................................................................................10
2.14 提供丰富的接口函数,便于二次开发..................................................................11
2.15 具有随着业务扩展和数据量的增加而进行扩展的能力......................................11
2.16 挖掘结果能够转化为多种主流格式(Excel、Html、Pdf、Txt、Xml 等)、图表、
文字等。支持挖掘结果告警及日志记录..............................................................................11
2.17 支持不同层次的分析人员,以获得最佳的模型和分析结果..............................12
3. 总体方案建议..........................................................................................................................12
4. 公安系统数据挖掘建议..........................................................................................................15
4.1 数据..........................................................................................................................15
4.2 数据挖掘应用..........................................................................................................15
4.3 数据挖掘主要优越性..............................................................................................15
4.4 重点..........................................................................................................................15
5. 系统连接图..............................................................................................................................16
6. 软件模块说明..........................................................................................................................16
7. 测试及验收..............................................................................................................................17
7.1 设备检验..................................................................................................................17
7.2 安装调试..................................................................................................................18
7.3 验收建议..................................................................................................................18
8. 培训计划..................................................................................................................................18
8.1 Clementine 基础培训 ..............................................................................................18
8.2 Clementine 的数据处理 ..........................................................................................19
8.3 Clementine 高级建模 ..............................................................................................20
9. 技术服务、知识转移、支持、保修......................................................................................20
9.1 咨询服务..................................................................................................................20
项目监督..........................................................................................................................20
技术咨询服务概述..........................................................................................................20
9.2 技术支持..................................................................................................................21
专业的技术支持体系......................................................................................................21
在线支持..........................................................................................................................21
维护期内免费升级支持..................................................................................................21
SPSS Clementine 技术方案建议书
2
售后服务..........................................................................................................................22
10. 国内部分客户列表..........................................................................................................22
1. 综述
SPSS 是世界领先的预测分析软件和解决方案提供商,成立于 1968 年,目前在全球范围
内拥有超过 250,000 名客户,在全球 40 多个国家拥有分支机构超过 1,200 名员工。SPSS 的
客户涵盖了包括电信、银行、金融、保险、医疗卫生、制造、零售、消费品、高教、政府和
市场研究在内的几乎所有的行业。SPSS 产品在数据挖掘领域的领导地位已经得到知名的网
络信息提供商 Gartner Group 和权威杂志 Forbus 的褒奖与认可。在大中国区,由 SPSS
China 销售与支持 SPSS 产品,行使厂家职责。SPSS 产品系列的主要功能是从大量数据(包
括文本)中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些
知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程。随着计算
机技术、网络技术、通讯技术和 Internet 技术的发展和各行各业业务操作流程的自动化,企业
内产生了大量业务数据。这些数据和由此产生的信息是企业的财富。它如实的记录着企业运
作的本质状况。但是面对大量的数据,迫使人们不断寻找新的工具,来对企业的运营规律进
行探索,为商业决策提供有价值的信息,使企业获得利润。能满足企业这一迫切需求的强有
力的工具就是数据挖掘。对于企业而言,数据挖掘有助于发现业务的趋势,揭示已知的事实,
预测未知的结果。从这个意义上讲,知识是力量,数据挖掘是财富。
报告和商业智能解决方案对于了解过去和现在的状况是非常有用的。 但是,预测分析
解决方案还能使您预见未来的发展状况,让您的机构能够先发制人,而不是处于被动。预测
分析解决方案将复杂的统计方法和机器学习技术应用到数据之中, 通过使用预测分析技术
来揭示隐藏在交易系统或企业资源计划(ERP)、结构数据库和普通文件中的模式和趋势。
经过20年的努力,公安系统的信息化建设从无到有、从小到大,已具相当规模,目前
已经建成连接全国各级公安机关数万台电脑的公安信息网,大量业务信息系统已经得到推广
和应用,各种信息得到网上共享。由于行业的特殊性也决定了信息系统的复杂多样性,从1
10接处警、居民户籍资料、犯罪分子和案件资料、机动车和驾驶员信息、交通管理信息、
出入境人员、消防管理、监管罪犯、旅馆流动人口等。据粗略统计,仅一个地市级公安局业
SPSS Clementine 技术方案建议书
3
务信息系统已多达数十种,数据记录数已达上千万之多,数据库总容量达几个G。
尽管许多业务信息系统逐步从微机个人数据库移植到大型数据库,但对信息的处理还基
本停留在增、删、改、查询、统计等传统功能上,缺乏智能化的分析功能。可以说其事务性
功能已经基本完善,但分析功能还相当欠缺,以低层信息的简单应用为主向以高端信息的挖
掘为主转移成为了今后发展的必然方向,“金盾工程”对此也提出了相应要求。数据仓库和
数据挖掘技术为这一切提供了可能,在案例分析、行为分析、司法调查、领导决策等方面,
都大有可为。
2. 工程技术规范书
2.1 支持主流 UNIX 和 Window 平台
Clementine Server 支持的操作系统平台包括:Windows Server™ 2000 或 Windows 2000
Professional 以 上 , Red Hat® Enterprise Linux® , Sun Solaris™ 9/10 , HP-UX 11i , IBM
AIX® 5L, version 5.2 以上;Clementine Client 支持 Windows 平台。
2.2 支持图形化界面、菜单驱动、拖拉式的操作
Clementine 按照数据流的方式构建数据挖掘模型,它提供了数据源、记录处理、字段处理、
图形、模型和输出等 6 大类结点,建立数据挖掘模型时只需要把相关节点通过鼠标拖拉的方
式连接在一起就可以了,整个过程基本不需要任何编程序工作。具体界面如下图所示。
SPSS Clementine 技术方案建议书
4
数据流区域(Stream canvas):数据流区域是 Clementine 窗口中最大的区域,在这个区
域可以建立数据流,也可以对数据流进行操作。每次在 Clementine 中可以多个数据流同时
进行工作,或者是在同一个数据流区域有多个数据流,或者新打开一个数据流文件。在一项
任务中,数据流被存储在管理器中。
选项板区(Palettes):位于 Clementine 窗口底端。每个包含了一组相关的可以用来加到
数据流中的节点。比如:Sources 包含了可以把数据读入模型的节点,Graphs 包含了可以用
于可 视化探 索数据 的 节点, Favorites 包含了 数据挖 掘 默认的 常用节 点 。当你 更熟悉
Clementine 后,就可以按照自己的要求来定制这些内容。
管理器(Managers):在 Clementine 窗口右上有 3 种管理器。分别是 Streams, Outputs
和 Models,这是用来查看和管理相应类型的对象。Streams 是用来打开,重命名,保存和删
除在数据流区域中建的数据流。而 Outputs 则是用来储存 Clementine 输出,例如图表之类。
还可以直接利用这个管理器来储存输出的结果对象。Models 是所有管理器中最强大的,它
包含了机器学习和 Clementine 实施建模的结果。这些模型可以通过 Models 直接浏览,也可
以加入到数据流中。
SPSS Clementine 技术方案建议书
5
项目(Projects ):Clementine 窗口右下部是 Projects 窗口,这个窗口提供了一种在
Clementine 中组织数据挖掘各个步骤的有效的方法。
报告窗口(Report window):选项板区的下面就是报告窗口,它记录的是各种不同操作
过程的响应,比如当数据被读入数据流时。
状态窗口(Status window):同样是在选项板区的下面,这个窗口可以告诉用户
Clementine 正在进行什么操作;同时如果需要用户对操作回应时可以给出提示。
2.3 提供丰富的数据挖掘模型和灵活算法
Clementine 中提供了多种数据挖掘建模方法,这些方法分别来自于机器学习,人工智能
和统计学。每种方法都有自己的长处,并且可以整合在一起使用,可以灵活的解决各种类型
的问题。这些模型可以分成三类:预测模型、聚类模型、关联模型。
预测模型也称为监督学习,Clementine 中的预测模型算法,包括神经网络算法(快速、
动态、多重、修剪、径向基函数网络、彻底修剪),四个不同的规则归纳算法(C5.0、
CHAID、QUEST、C&RT),线性回归和 Logistic 回归算法(进入、逐步筛选、前进、后
退),一个序列探测算法;
聚类模型也称为无监督学习,Clementine 中的聚类模型算法,包括 Kohonen 网络算法,
K-means 聚类算法,两步聚类算法;
关联模型可以看成推广的预测模型,Clementine 中的关联模型算法,包括 Apriori 算法、
GRI 算法和 Carma 算法。
Clementine 中的每个模型都有专家选项,用户可以自由改变算法的参数从而灵活的根据
不同的条件制定不同的算法。
2.4 具有多模型的整合能力,使得生成的模型更加稳定和高效
Clementine 通过数据流的方式构建数据挖掘模型,用户只需要把不同模型节点按照需求
顺次排列连接就可以达到整合多个模型的目的。举例来说:
剩余23页未读,继续阅读
资源评论
oligaga
- 粉丝: 52
- 资源: 2万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- TG-2024-05-23-204718255.mp4
- 候志强@181 5428 8938_20240420112107.amr
- spispispispispi
- 实验二:IP协议分析.zip
- 驱动代码驱动代码驱动代码驱动代码
- SVID_20240523_141155_1.mp4
- Code for the complete guide to tkinter tutorial
- 关于百货中心供应链管理系统.zip
- SimpleFolderIcon-master 修改Unity的Project下的文件夹图标
- A python Tkinter widget to display tile based maps
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功