运用知识发现技术促进公安档案信息化(2)
2017-08-04 01:10
导读：2，2 在交通管理方面，监测路面状况和交通流量，总结交通事故的发生规律，及时制定对策，有效疏导交通，以及减少交通事故的发生。 2，3 在警力配置
2，2 在交通管理方面，监测路面状况和交通流量，总结交通事故的发生规律，及时制定对策，有效疏导交通，以及减少交通事故的发生。
2，3 在警力配置方面，科学、合理地安排警力，以应对突发事件：在消防调度决策中对人员、车辆配置、水源安排、最佳路线选择等提供最佳方案。
3 知识发现技术发展与应用概况
数据库中的知识发现(Knowl-edge Discoveryin Databases，KDD)，又称数据挖掘(Data Min-ing,DM)，是从海量的档案数据中提取出需要的知识的技术，当今的世界正处于一个“数据爆炸”的时代，但是要从浩如烟海的档案数据中获取真正有用的或感兴趣的知识却非易事，即所谓“人们被数据淹没了，却饥饿于知识”，于是数据库中的知识发现(KDD)技术应运而生。KDD一词首次出现在1989年8月由美国人工智能协会组织的第11届国际人工智能联合学术会议上，此后，KDD研究吸引了越来越多的研究者。近年来，国内外高校以及IBM、Microsoft、NASA等公司、机构竞相投入大量资金以推动KDD的理论和应用研究，众多企业也正在或将要实施以知识发现为基础的商务智能项目。一个著名的例子是美国加州WalMart超市对长期积累的顾客购物档案数据进行数据挖掘，结果发现购买纸尿布的顾客通常也会购买啤酒。经进一步调查发现，这一地区的不少已婚男子常在下班回家的路上帮太太买纸尿布，顺便会买一些啤酒，于是销售主管立即进行货架调整，将纸尿布和啤酒的货架摆在一起，并在附近摆放了许多佐酒的小食品，结果几种商品的销售量都显著上升。
在警务领域，美国警方使用通用或商务数据挖掘工具，已实现了对知识发现技术的初步应用。如FBI将MicroStrategy商业智能平台的报表及分析软件应用于反恐及调查工作，以及警方将地理信息系统(GIS)与犯罪信息中心(NCIC)相结合，从中发现犯罪线索、总结发案规律和进行犯罪预防等。
大学排名 我国警方现已初步建成了一些警务档案信息系统，但目前这些系统并不支持真正意义上的知识发现任务，国内在警务领域对知识发现技术的研究离实际应用尚有相当远的距离。
4 实现警务领域知识发现所要解决的关键技术问题
知识发现研究的发展趋势是强调面向领域、面向最终用户和面向实际应用，在警务领域应重点研究解决以下问题：
4．1 数据仓库和元数据技术。通过运用数据仓库技术来集中各个孤立的数据库中的数据资源：通过元数据来管理异构的数据，最终可实现各部门的数据共享。
4．2 适合警务应用的数据挖掘技术和算法。特别是能够适应不同数据质量和融合语义的知识发现算法，在知识发现中对新技术的应用，以及分布、并行算法的设计与实现等是决定知识发现质量的关键。
4．3 面向一线干警的自然语言需求获取模型。现有的知识发现系统需要由专业人员来操纵知识发现过程：而未来的趋势是知识发现领域的专业人员只专注于开发更加高效灵活的知识发现算法和模型，而由最终用户根据自己的需要来使用知识发现系统，这对一线干警来说无疑更有意义。
4．4 知识发现质量评价模型。当前的研究对发现质量方面的问题关注较少。评价知识发现的质量可有不同的指标，如确定程度和响应时间等，并且它们之间还可能存在一定的矛盾性。用户对知识发现质量的需求可能不同，相应的质量评价模型也应有不同的侧重。警用知识发现系统要求在确定程度和响应时间等指标之间做出适当的折中。
