本發(fā)明涉及公安案件分析技術(shù)領(lǐng)域，具體而言，涉及一種智能串并案分析方法及系統(tǒng)。

背景技術(shù)：

當(dāng)前，刑事犯罪斗爭(zhēng)的形勢(shì)十分嚴(yán)峻，刑事案件發(fā)案不斷上升，犯罪活動(dòng)的顯著特點(diǎn)是流竄性和系列性案件比較突出。犯罪分子采用跨區(qū)域、跳躍式、大范圍流竄的方法進(jìn)行作案，犯罪手段日趨狡猾，暴力性更明顯，時(shí)空跨度更大，且智能化、技術(shù)型團(tuán)伙作案有向深層方向發(fā)展趨勢(shì)。針對(duì)犯罪流竄性、系列性的特點(diǎn)，應(yīng)強(qiáng)化串并案件工作，進(jìn)行串并案件的偵查。

串并案分析是刑偵工作的一個(gè)重要的偵查手段，所謂的串并案分析是指通過(guò)對(duì)案件的作案手段、痕跡、物證等進(jìn)行綜合分析，將存在一定聯(lián)系的案件結(jié)合到一起進(jìn)行合并偵破的偵查方法。通過(guò)串并案可以獲取更多的案件信息，對(duì)系列性、連續(xù)性、多發(fā)性以及職業(yè)性犯罪案件的偵破具有極大的作用。串并案件有利于加強(qiáng)跨地區(qū)刑偵合作，共享犯罪信息資源，有利于獲取各種犯罪證據(jù)、深挖余罪、預(yù)防犯罪。串并案件的主要方法有：以案串案，以人串案，以物串案，以案件性質(zhì)串案。

傳統(tǒng)方法中通常需要偵查人員從以往的案件數(shù)據(jù)庫(kù)中進(jìn)行人工串并案分析，然而，由于犯罪案件的不斷增加，公安信息系統(tǒng)里存儲(chǔ)的案件數(shù)據(jù)量極其龐大，此外，一些無(wú)效的冗余信息也會(huì)出現(xiàn)，偵查人員想要從公安信息系統(tǒng)中通過(guò)人工的方式找到跟案件相關(guān)的案件，困難程度是可想而知的，這就導(dǎo)致了人力的增加，效率的下降?；谠泄残畔⑾到y(tǒng)的串并案方法，往往會(huì)導(dǎo)致最終的串并案分析不夠全面，且不夠及時(shí)準(zhǔn)確，例如應(yīng)該進(jìn)行串并的案件沒(méi)有串并或及時(shí)串并，從而貽誤了破案時(shí)機(jī)，嚴(yán)重的還會(huì)造成犯案人員連續(xù)作案，成為慣犯，給公民造成恐慌害怕，而嚴(yán)重影響社會(huì)的和諧穩(wěn)定。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種智能串并案分析方法及系統(tǒng)，以解決現(xiàn)有技術(shù)中串并案分析時(shí)需要偵查人員從公安信息系統(tǒng)中人工分析查找導(dǎo)致的費(fèi)時(shí)費(fèi)力、效率低下的問(wèn)題，能夠提高串并案分析效率和準(zhǔn)確率。

第一方面，本發(fā)明實(shí)施例提供了一種智能串并案分析方法，所述方法包括以下步驟：

基于公安刑偵數(shù)據(jù)庫(kù)建立案件特征數(shù)據(jù)倉(cāng)庫(kù)；

基于所述案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)生成串并案分析模型；

利用所述串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，上述方法還包括以下步驟：

基于公安前科人員數(shù)據(jù)庫(kù)建立高危人群數(shù)據(jù)庫(kù)。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，上述方法還包括以下步驟：

基于軌跡信息建立人員活動(dòng)軌跡數(shù)據(jù)庫(kù)。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第三種可能的實(shí)施方式，其中，上述方法還包括以下步驟：

從所述高危人群數(shù)據(jù)庫(kù)中調(diào)取高危人群數(shù)據(jù)；

從所述人員活動(dòng)軌跡數(shù)據(jù)庫(kù)中調(diào)取軌跡數(shù)據(jù)；

利用所述高危人群數(shù)據(jù)和所述軌跡數(shù)據(jù)對(duì)類案列表進(jìn)行數(shù)據(jù)分析，生成串并案列表。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第四種可能的實(shí)施方式，其中，

所述軌跡信息包括電子圍欄軌跡、上網(wǎng)軌跡、住宿軌跡、消費(fèi)軌跡、公共交通出行軌跡。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第五種可能的實(shí)施方式，其中，所述機(jī)器學(xué)習(xí)具體包括以下步驟：

選擇訓(xùn)練經(jīng)驗(yàn)；

選擇目標(biāo)函數(shù)；

選擇目標(biāo)函數(shù)的表示形式；

選擇函數(shù)逼近算法。

本發(fā)明實(shí)施例提供了一種智能串并案分析方法，通過(guò)建立基于公安刑偵數(shù)據(jù)庫(kù)的案件特征數(shù)據(jù)倉(cāng)庫(kù)，作為數(shù)據(jù)支持。基于案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)，分析已破串并案件的特征，生成串并案分析模型，并可以在用戶的實(shí)際使用中不斷更新、完善，最后利用串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。在作案特征具有相同點(diǎn)、相似點(diǎn)的未破案件，就會(huì)作為類案出現(xiàn)在該類案列表中。從而解決了現(xiàn)有技術(shù)中串并案分析時(shí)需要偵查人員從公安信息系統(tǒng)中人工分析查找導(dǎo)致的費(fèi)時(shí)費(fèi)力、效率低下的問(wèn)題，提高了串并案分析效率和準(zhǔn)確率、降低遺漏率。

第二方面，本發(fā)明實(shí)施例提供了一種智能串并案分析系統(tǒng)，包括：

數(shù)據(jù)集成模塊，用于基于公安刑偵數(shù)據(jù)庫(kù)建立案件特征數(shù)據(jù)倉(cāng)庫(kù)；

機(jī)器學(xué)習(xí)模塊，用于基于所述案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)生成串并案分析模型；

類案生成模塊，用于利用所述串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。

結(jié)合第二方面，發(fā)明實(shí)施例提供了第二方面的第一種可能的實(shí)施方式，其中，該智能串并案分析系統(tǒng)還包括：

軌跡分析模塊，用于基于軌跡信息建立人員活動(dòng)軌跡數(shù)據(jù)庫(kù)；

高危人群生成模塊，用于基于公安前科人員數(shù)據(jù)庫(kù)建立高危人群數(shù)據(jù)庫(kù)。

結(jié)合第二方面，發(fā)明實(shí)施例提供了第二方面的第二種可能的實(shí)施方式，其中，該智能串并案分析系統(tǒng)還包括：

數(shù)據(jù)接入模塊，用于從所述人員活動(dòng)軌跡數(shù)據(jù)庫(kù)、所述高危人群數(shù)據(jù)庫(kù)中分別調(diào)取人員軌跡數(shù)據(jù)、高危人群數(shù)據(jù)；

分析模塊，用于利用所述高危人群數(shù)據(jù)和所述軌跡數(shù)據(jù)對(duì)類案列表進(jìn)行數(shù)據(jù)分析，生成串并案列表。

結(jié)合第二方面，發(fā)明實(shí)施例提供了第二方面的第三種可能的實(shí)施方式，其中，

所述軌跡信息包括電子圍欄軌跡、上網(wǎng)軌跡、住宿軌跡、消費(fèi)軌跡、公共交通出行軌跡。

本發(fā)明實(shí)施例提供了一種智能串并案分析系統(tǒng)，包括數(shù)據(jù)集成模塊、機(jī)器學(xué)習(xí)模塊和類案生成模塊，其中，數(shù)據(jù)集成模塊用于基于公安刑偵數(shù)據(jù)庫(kù)建立案件特征數(shù)據(jù)倉(cāng)庫(kù)，機(jī)器學(xué)習(xí)模塊用于基于案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)生成串并案分析模型，類案生成模塊用于利用串并案分

析模型對(duì)未破案件進(jìn)行分析，生成類案列表。通過(guò)建立案件特征數(shù)據(jù)倉(cāng)庫(kù)，作為數(shù)據(jù)支持，然后基于案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)，分析已破串并案件的特征，生成串并案分析模型，并可以在用戶的實(shí)際使用中不斷更新、完善，最后利用串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。在作案特征具有相同點(diǎn)、相似點(diǎn)的未破案件，就會(huì)作為類案出現(xiàn)在該類案列表中。從而解決了現(xiàn)有技術(shù)中串并案分析時(shí)需要偵查人員從公安信息系統(tǒng)中人工分析查找導(dǎo)致的費(fèi)時(shí)費(fèi)力、效率低下的問(wèn)題，提高了串并案分析效率和準(zhǔn)確率。

本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書中闡述，并且，部分地從說(shuō)明書中變得顯而易見，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)在說(shuō)明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說(shuō)明如下。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)被看作是對(duì)范圍的限定，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1示出了本發(fā)明實(shí)施例所提供的一種智能串并案分析方法的流程圖；

圖2示出了本發(fā)明實(shí)施例所提供的一種智能串并案分析方法中機(jī)器學(xué)習(xí)的流程圖；

圖3示出了本發(fā)明實(shí)施例所提供的一種智能串并案分析系統(tǒng)的結(jié)構(gòu)框架圖。

圖示說(shuō)明：

301-數(shù)據(jù)集成模塊，302-機(jī)器學(xué)習(xí)模塊，303-類案生成模塊

304-軌跡分析模塊，305-高危人群生成模塊

306-數(shù)據(jù)接入模塊，307-分析模塊

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。因此，以下對(duì)在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

串并案分析是案件偵破過(guò)程中的一個(gè)重要環(huán)節(jié)，對(duì)系列性案件、多發(fā)性案件、職業(yè)性犯罪進(jìn)行串聯(lián)合并，能夠減少重復(fù)偵查，節(jié)約偵查的人力、物力、財(cái)力資源。把個(gè)案中的線索、證據(jù)疊加在一起，串聯(lián)出一條完整的線索鏈，合并組織偵查，可以實(shí)現(xiàn)偵破一起案件而破獲全部被串并的的所有案件。串并案?jìng)刹楣ぷ髂Ｊ接砂l(fā)現(xiàn)串并案案源、確認(rèn)并案、開展偵查三階段組成。對(duì)于同一個(gè)犯罪主體來(lái)說(shuō)，在其連續(xù)作案的過(guò)程中，其作案方法、手段會(huì)表現(xiàn)出相對(duì)穩(wěn)定性。作案方法、手段的相對(duì)穩(wěn)定性，能夠反映出其所在各個(gè)案件的內(nèi)在聯(lián)系，代表著其的犯罪活動(dòng)規(guī)律與特點(diǎn)。發(fā)現(xiàn)、認(rèn)識(shí)這一規(guī)律的過(guò)程就是偵查部門串聯(lián)并案的過(guò)程，即對(duì)一系列案件做同一性認(rèn)定的過(guò)程，是發(fā)現(xiàn)串并案源與確定并案案件的基礎(chǔ)。

目前，現(xiàn)有串并案分析技術(shù)，是通過(guò)人為指定案件特點(diǎn)，在多個(gè)數(shù)據(jù)庫(kù)中逐步搜集類似案件信息，人工對(duì)類似案件信息進(jìn)行整合，然后對(duì)大量的類似案件，依次進(jìn)行案件信息分析和軌跡分析來(lái)判斷。也就是說(shuō)，現(xiàn)有的公安串并案工作主要依賴重復(fù)性人工分析，效率低下。這種串并案分析模式工作量大，人工分析成本高、耗時(shí)久、效率低，難于應(yīng)對(duì)信息化時(shí)代的發(fā)展要求。此外，這種傳統(tǒng)串并案分析模式影響到破案的速度和效率的同時(shí)，隨著分析人員的工作量加大，分析人員的疲勞程度增加，分析的準(zhǔn)確性也會(huì)受到影響，往往會(huì)導(dǎo)致分析不夠全面、串并案不及時(shí)，應(yīng)串并案件未能串并或串并不及時(shí)串并，從而貽誤破案時(shí)機(jī)，致使系列案件、刑事案件連續(xù)發(fā)生，導(dǎo)致嚴(yán)重后果。

基于此，本發(fā)明實(shí)施例提供的一種智能串并案分析方法及系統(tǒng)，可以解決現(xiàn)有串并案分析模式中人工分析導(dǎo)致的費(fèi)時(shí)費(fèi)力、效率低下的問(wèn)題，能夠提高串并案分析效率和準(zhǔn)確率。

為便于對(duì)本實(shí)施例進(jìn)行理解，首先對(duì)本發(fā)明實(shí)施例所公開的一種串并案分析方法進(jìn)行詳細(xì)介紹，

圖1為本發(fā)明實(shí)施例提供的一種智能串并案分析方法的流程圖。

參照?qǐng)D1，該方法包括如下步驟：

步驟S102，基于公安刑偵數(shù)據(jù)庫(kù)建立案件特征數(shù)據(jù)倉(cāng)庫(kù)。

具體地，建立基于大數(shù)據(jù)的案件特征數(shù)據(jù)倉(cāng)庫(kù)，將公安刑偵數(shù)據(jù)庫(kù)的數(shù)據(jù)通過(guò)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)(Extract-Transform-Load，簡(jiǎn)稱ETL)抽取到案件特征數(shù)據(jù)倉(cāng)庫(kù)中，作為數(shù)據(jù)支持。數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse)是一個(gè)面向主題的(Subject Oriented)、集成的(Integrated)、相對(duì)穩(wěn)定的(Non-Volatile)、反映歷史變化(Time Variant)的數(shù)據(jù)集合，用于支持管理決策(Decision Making Support)。

ETL用來(lái)描述將數(shù)據(jù)從來(lái)源端經(jīng)過(guò)抽取(extract)、轉(zhuǎn)換(transform)、加載(load)至目的端的過(guò)程。ETL作為構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的重要的一個(gè)環(huán)節(jié)，從數(shù)據(jù)源抽取出所需的數(shù)據(jù)。具體的，將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)，如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成，最終按照預(yù)先定義好的數(shù)據(jù)倉(cāng)庫(kù)模型，將數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。ETL原來(lái)主要用于構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)和商業(yè)智能項(xiàng)目，現(xiàn)在也越來(lái)越多地應(yīng)用于一般信息系統(tǒng)數(shù)據(jù)的遷移、交換和同步。

其中，數(shù)據(jù)抽取是從源數(shù)據(jù)源系統(tǒng)抽取目標(biāo)數(shù)據(jù)源系統(tǒng)需要的數(shù)據(jù)。通過(guò)接口提取源數(shù)據(jù)，例如JDBC(Java Data Base Connectivity，Java數(shù)據(jù)庫(kù)連接)、專用數(shù)據(jù)庫(kù)接口和平面文件提取器，并參照源數(shù)據(jù)來(lái)決定數(shù)據(jù)的提取及其提取方式；

數(shù)據(jù)轉(zhuǎn)換將從源數(shù)據(jù)源獲取的數(shù)據(jù)按照業(yè)務(wù)需求，轉(zhuǎn)換成目標(biāo)數(shù)據(jù)源要求的形式，并對(duì)錯(cuò)誤、不一致的數(shù)據(jù)進(jìn)行清洗和加工；也就是說(shuō)，開發(fā)者將提取的數(shù)據(jù)，按照業(yè)務(wù)需要轉(zhuǎn)換為目標(biāo)數(shù)據(jù)結(jié)構(gòu)，并實(shí)現(xiàn)匯總；

數(shù)據(jù)加載將轉(zhuǎn)換后的數(shù)據(jù)裝載到目的數(shù)據(jù)源。加載經(jīng)轉(zhuǎn)換和匯總的數(shù)據(jù)到目標(biāo)數(shù)據(jù)倉(cāng)庫(kù)中，可實(shí)現(xiàn)SQL(Structured Query Language，結(jié)構(gòu)化查詢語(yǔ)言)或批量加載。ETL常用在數(shù)據(jù)倉(cāng)庫(kù)，但其對(duì)象并不限于數(shù)據(jù)倉(cāng)庫(kù)。

在ETL的以上3個(gè)環(huán)節(jié)中，數(shù)據(jù)抽取直接面對(duì)各種分散、異構(gòu)的數(shù)據(jù)源，如何保證穩(wěn)定高效的從這些數(shù)據(jù)源中提取正確的數(shù)據(jù)，是ETL設(shè)計(jì)和實(shí)施過(guò)程中需要考慮的關(guān)鍵問(wèn)題之一。數(shù)據(jù)抽取是根據(jù)實(shí)際場(chǎng)景來(lái)的，一般情況下，首次是全量抽取，后續(xù)會(huì)根據(jù)實(shí)際需求來(lái)做增量抽取。在集成端進(jìn)行數(shù)據(jù)的初始化時(shí)，一般需要將數(shù)據(jù)源端的全部數(shù)據(jù)裝載進(jìn)來(lái)，這時(shí)需要進(jìn)行全量抽取。全量抽取類似于數(shù)據(jù)遷移或數(shù)據(jù)復(fù)制，它將數(shù)據(jù)源中的表或視圖的數(shù)據(jù)全部從數(shù)據(jù)庫(kù)中抽取出來(lái)，轉(zhuǎn)換成自己的ETL工具(如Oracle的Oracle Warehouse Builder，SQL Server的Integration Services)可以識(shí)別的格式，再進(jìn)行后續(xù)的加載操作。全量抽取可以使用數(shù)據(jù)復(fù)制、導(dǎo)入或者備份的方式完成，實(shí)現(xiàn)機(jī)制比較簡(jiǎn)單。全量抽取完成后，后續(xù)的抽取操作只需抽取自上次抽取以來(lái)表中新增或修改的數(shù)據(jù)，這就是增量抽取。目前增量數(shù)據(jù)抽取中常用的捕獲變化數(shù)據(jù)的方法有：觸發(fā)器、時(shí)間戳、全表對(duì)比、日志對(duì)比等。ETL實(shí)施過(guò)程中究竟選擇哪種增量抽取機(jī)制，要根據(jù)實(shí)際的數(shù)據(jù)源系統(tǒng)環(huán)境進(jìn)行決策，需要綜合考慮源系統(tǒng)數(shù)據(jù)庫(kù)的類型、抽取的數(shù)據(jù)量(決定對(duì)性能要求的苛刻程度)、對(duì)源業(yè)務(wù)系統(tǒng)和數(shù)據(jù)庫(kù)的控制能力以及實(shí)現(xiàn)難度等各種因素，甚至結(jié)合各種不同的增量機(jī)制以針對(duì)環(huán)境不同的數(shù)據(jù)源系統(tǒng)進(jìn)行ETL實(shí)施。

進(jìn)一步的是，本實(shí)施例中ETL從公安刑偵數(shù)據(jù)庫(kù)中抽取的數(shù)據(jù)包括案件類別(殺人、搶劫、盜竊等)、案件狀態(tài)(立案、已破案件、未破案件等)、案件特征(現(xiàn)場(chǎng)痕跡、物品等)、人員特征(體貌特征等)，形成案件特征數(shù)據(jù)倉(cāng)庫(kù)。首次使用采用全量抽取方式，當(dāng)有新的案件產(chǎn)生，需要進(jìn)行增量抽取，增量抽取方式是以時(shí)間或以某個(gè)特征來(lái)索引來(lái)判斷所需增量的數(shù)據(jù)，也就是以時(shí)間戳為主，配合其他方式進(jìn)行增量抽取。

步驟S104，基于案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)生成串并案分析模型。

具體地，基于案件特征數(shù)據(jù)倉(cāng)庫(kù)，通過(guò)機(jī)器學(xué)習(xí)，分析已破串并案件的特征，該特征包括：作案手段、作案特點(diǎn)、作案時(shí)間、選擇地點(diǎn)等特征，生成基于不同作案特征的串并案分析模型，并可以在用戶的實(shí)際使用中不斷更新、完善。也就是說(shuō)，通過(guò)對(duì)案件特征數(shù)據(jù)倉(cāng)庫(kù)中的已破案件信息進(jìn)行機(jī)器學(xué)習(xí)，形成精準(zhǔn)、高效、可自動(dòng)學(xué)習(xí)完善的串并案分析模型。

機(jī)器學(xué)習(xí)(Machine Learning,ML)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，它主要使用歸納、綜合而不是演繹。機(jī)器學(xué)習(xí)的目的就是讓機(jī)器具有類似于人類的學(xué)習(xí)、認(rèn)識(shí)、理解事物的能力。

進(jìn)一步地是，機(jī)器學(xué)習(xí)包括如圖2所示的步驟：

S202：選擇訓(xùn)練經(jīng)驗(yàn)。

具體地，給學(xué)習(xí)機(jī)器提供的訓(xùn)練經(jīng)驗(yàn)的選擇對(duì)于系統(tǒng)的成敗有著重要的影響。一般來(lái)講，訓(xùn)練經(jīng)驗(yàn)應(yīng)該能夠直接或者間接的對(duì)系統(tǒng)的決策做出一定的反饋，訓(xùn)練經(jīng)驗(yàn)應(yīng)該能夠在很大程度上控制訓(xùn)練樣例的序列；此外，訓(xùn)練經(jīng)驗(yàn)還應(yīng)該可以盡可能的對(duì)訓(xùn)練樣本和測(cè)試樣本的空間概率分布做出很好的估計(jì)。

S204：選擇目標(biāo)函數(shù)。

具體地，在給定訓(xùn)練樣本和訓(xùn)練經(jīng)驗(yàn)之后，機(jī)器學(xué)習(xí)問(wèn)題就簡(jiǎn)化為一個(gè)尋找理想目標(biāo)函數(shù)F(x)的問(wèn)題。

S206：選擇目標(biāo)函數(shù)的表示形式。

具體地，事實(shí)上，通過(guò)對(duì)樣本的學(xué)習(xí)和訓(xùn)練來(lái)得到理想的目標(biāo)函數(shù)F(x)是非常困難的，通常我們都希望能夠得到一個(gè)近似的目標(biāo)函數(shù)來(lái)盡量近似逼近理想的目標(biāo)函數(shù)。這里的近似逼近，可以采用二次多項(xiàng)式函數(shù)、神經(jīng)網(wǎng)絡(luò)等方法來(lái)實(shí)現(xiàn)。

S208：選擇函數(shù)逼近算法。

具體地，為了得到近似目標(biāo)函數(shù)，我們根據(jù)選擇的初始近似目標(biāo)函數(shù)對(duì)訓(xùn)練樣本的輸入進(jìn)行估計(jì)，從而得到訓(xùn)練樣本的估計(jì)輸出，之后，利用估計(jì)輸出與實(shí)際輸出之間的誤差來(lái)進(jìn)行反饋，通常是進(jìn)行權(quán)值調(diào)整。接著，對(duì)系統(tǒng)的輸入進(jìn)行重新估計(jì)，得到新的輸出估計(jì)值，重新計(jì)算估計(jì)值與實(shí)際值之間的誤差，再次對(duì)系統(tǒng)進(jìn)行反饋，調(diào)整權(quán)重，依次重復(fù)執(zhí)行直到所有訓(xùn)練樣本的總誤差小于設(shè)定的閾值或者訓(xùn)練次數(shù)大于設(shè)定的次數(shù)。

步驟S106，利用串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。

具體地，利用串并案分析模型對(duì)案件特征數(shù)據(jù)倉(cāng)庫(kù)中的未破案件進(jìn)行分析，生成類案列表。在作案特征具有相同點(diǎn)、相似點(diǎn)的未破案件，就會(huì)作為類案出現(xiàn)在該類案列表中。需要說(shuō)明的是，串并案分析模型可以自動(dòng)分析未破案件特征，進(jìn)行歸類分析，生成類案列表，也可以通過(guò)外部(偵查人員、情報(bào)分析人員、案件組長(zhǎng)等一線偵破人員)的檢索(如案件特征)操作，生成類案列表。

進(jìn)一步的是，在使用串并案分析模型分析未破案件，并給出類案列表時(shí)，根據(jù)外部(偵查人員、情報(bào)分析人員、案件組長(zhǎng)等一線偵破人員)的實(shí)際操作情況，對(duì)類案列表的串并分析，分析正確的，由機(jī)器學(xué)習(xí)記錄串并案分析模型；分析出現(xiàn)偏差的，由機(jī)器學(xué)習(xí)，不斷改進(jìn)，完善，不斷優(yōu)化串并案分析模型中各個(gè)維度的權(quán)重比，使該串并案模型進(jìn)一步接近實(shí)際應(yīng)用。

本發(fā)明實(shí)施例的智能串并案分析方法，通過(guò)建立基于大數(shù)據(jù)的案件特征數(shù)據(jù)倉(cāng)庫(kù)，將公安刑偵數(shù)據(jù)庫(kù)的數(shù)據(jù)通過(guò)ETL的數(shù)據(jù)抽取，形成案件特征數(shù)據(jù)倉(cāng)庫(kù)中，作為數(shù)據(jù)支持?；诎讣卣鲾?shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)，分析已破串并案件的特征，生成基于不同作案特征的串并案分析模型，最后利用串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。在作案特征具有相同點(diǎn)、相似點(diǎn)的未破案件，就會(huì)作為類案出現(xiàn)在該類案列表中。該串并案分析模型可以在實(shí)際使用過(guò)程中通過(guò)自動(dòng)學(xué)習(xí)不斷更新、完善，進(jìn)一步接近現(xiàn)實(shí)應(yīng)用，幫助公安刑偵人員快速、有效的推薦出可能的串并案，解決了現(xiàn)有技術(shù)中串并案分析時(shí)需要偵查人員從公安信息系統(tǒng)中人工分析查找導(dǎo)致的費(fèi)時(shí)費(fèi)力、效率低下的問(wèn)題，能夠提高串并案分析效率和準(zhǔn)確率。

上述方法，為了進(jìn)一步的提高串并案的準(zhǔn)確率，還包括以下步驟：

步驟S108，基于公安前科人員數(shù)據(jù)庫(kù)建立高危人群數(shù)據(jù)庫(kù)。

具體地，通過(guò)對(duì)公安前科人員信息進(jìn)行聚類分析，形成高危人群數(shù)據(jù)庫(kù)，可以對(duì)串并案件推薦出可能作案的高危人群。進(jìn)一步的是，公安前科人員數(shù)據(jù)庫(kù)包括搶劫人員數(shù)據(jù)庫(kù)、吸毒人員數(shù)據(jù)庫(kù)、盜竊人員數(shù)據(jù)庫(kù)等。

聚類分析是根據(jù)“物以類聚”的道理，對(duì)樣品或指標(biāo)進(jìn)行分類的一種多元統(tǒng)計(jì)分析方法，它們討論的對(duì)象是大量的樣品，要求能合理地按各自的特性來(lái)進(jìn)行合理的分類，沒(méi)有任何模式可供參考或依循，即是在沒(méi)有先驗(yàn)知識(shí)的情況下進(jìn)行的。聚類是將數(shù)據(jù)分類到不同的類或者簇這樣的一個(gè)過(guò)程，所以同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。聚類分析的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來(lái)分類。聚類源于很多領(lǐng)域，包括數(shù)學(xué)，計(jì)算機(jī)科學(xué)，統(tǒng)計(jì)學(xué)，生物學(xué)和經(jīng)濟(jì)學(xué)。在不同的應(yīng)用領(lǐng)域，很多聚類技術(shù)都得到了發(fā)展，這些技術(shù)方法被用作描述數(shù)據(jù)，衡量不同數(shù)據(jù)源間的相似性，以及把數(shù)據(jù)源分類到不同的簇中。聚類分析常用的計(jì)算方法主要包括如下幾種：分裂法(partitioning methods)，層次法(hierarchical methods)，基于密度的方法(density-based methods)，基于網(wǎng)格的方法(grid-based methods)，基于模型的方法(model-based methods)。

本實(shí)施例中聚類分析采用基于算法模型，根據(jù)實(shí)際場(chǎng)景選用其中的一類。

需要說(shuō)明的是，公安前科人員數(shù)據(jù)庫(kù)包含于案件特征數(shù)據(jù)倉(cāng)庫(kù)中。

步驟S110，基于軌跡信息建立人員活動(dòng)軌跡數(shù)據(jù)庫(kù)。

具體地，構(gòu)建基于大數(shù)據(jù)的人員活動(dòng)軌跡數(shù)據(jù)庫(kù)，將公安可以掌握的人員的軌跡信息通過(guò)ETL數(shù)據(jù)抽取到人員活動(dòng)軌跡數(shù)據(jù)庫(kù)。其中，公安可以掌握的人員包括前科人員、涉案人員、嫌疑人員。

進(jìn)一步的是，軌跡信息包括電子圍欄軌跡、上網(wǎng)軌跡、住宿軌跡、消費(fèi)軌跡、公共交通出行軌跡。需要說(shuō)明的是，軌跡信息不限于上述幾種軌跡，還包括話單軌跡、車輛軌跡、鐵路軌跡、公交軌跡、地鐵軌跡、民航軌跡、銀行軌跡等。其中，電子圍欄指的是手機(jī)電子圍欄，又稱為無(wú)線數(shù)據(jù)采集終端，屬于公共安全卡口型設(shè)備，公安系統(tǒng)專用產(chǎn)品。針對(duì)公安及安全保衛(wèi)部門的迫切需要而開發(fā)生產(chǎn)的新一代電子追蹤控制裝備，利用先進(jìn)的無(wú)線移動(dòng)網(wǎng)絡(luò)和電子信息技術(shù)能夠?qū)μ囟ǖ膮^(qū)域或指定的人員進(jìn)行精確管控。電子圍欄由基站和后臺(tái)軟件兩大部分組成?；驹O(shè)備有兩種，一種是固定式基站，用于長(zhǎng)期固定安裝在某些室外環(huán)境場(chǎng)所(公共場(chǎng)所、旅游景點(diǎn)、重要設(shè)施、交通路口)對(duì)特定區(qū)域出入的手機(jī)進(jìn)行監(jiān)測(cè)，另外一個(gè)是移動(dòng)式基站設(shè)備，可以部署在旅館、網(wǎng)吧、KTV、洗浴中心等室內(nèi)場(chǎng)點(diǎn)，以及公交車、大巴車廂等移動(dòng)空間，方便靈活。后臺(tái)軟件安裝在總控中心，根據(jù)基站采集的信息，通過(guò)數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)，可以結(jié)合身份證、車牌號(hào)等有關(guān)資料，為工作人員提供監(jiān)測(cè)數(shù)據(jù)。

電子圍欄可以通過(guò)無(wú)線信號(hào)查找手機(jī)的數(shù)量，通過(guò)基站能識(shí)別出每個(gè)手機(jī)距離及軌跡。上網(wǎng)軌跡、住宿軌跡基于身份證登記獲得，消費(fèi)軌跡基于銀行卡信息獲得，公共交通出行軌跡包括基于視頻監(jiān)控，通過(guò)車輛視頻檢測(cè)算法獲取目標(biāo)初始信息，采用均值漂移算法結(jié)合卡爾曼濾波算法實(shí)現(xiàn)目標(biāo)的視頻跟蹤，再對(duì)其軌跡進(jìn)行統(tǒng)計(jì)分析，獲取目標(biāo)實(shí)際行駛方向的軌跡特征。

需要說(shuō)明的是，S108，S110僅為描述方便，并不代表先后順序。

步驟S112，從高危人群數(shù)據(jù)庫(kù)中調(diào)取高危人群數(shù)據(jù)，從人員活動(dòng)軌跡數(shù)據(jù)庫(kù)中調(diào)取軌跡數(shù)據(jù)，利用高危人群數(shù)據(jù)和軌跡數(shù)據(jù)對(duì)類案列表進(jìn)行數(shù)據(jù)分析，生成串并案列表。

具體地，串并案分析模型接入高危人群數(shù)據(jù)庫(kù)，從高危人群數(shù)據(jù)庫(kù)中調(diào)取高危人群數(shù)據(jù)；串并案分析模型接入人員活動(dòng)軌跡數(shù)據(jù)庫(kù)，從人員活動(dòng)軌跡數(shù)據(jù)庫(kù)中調(diào)取軌跡數(shù)據(jù)。

需要說(shuō)明的是，以上調(diào)取高危人群數(shù)據(jù)與調(diào)取軌跡數(shù)據(jù)之間并沒(méi)有特定的先后順序，二者可以以任意順序進(jìn)行，也可以同時(shí)進(jìn)行。

利用高危人群數(shù)據(jù)和軌跡數(shù)據(jù)對(duì)類案列表進(jìn)行數(shù)據(jù)分析，生成串并案列表，進(jìn)一步提高串并案的準(zhǔn)確率。

本發(fā)明實(shí)施例還提供了一種智能串并案分析系統(tǒng)，圖3為本發(fā)明實(shí)施例所提供的一種智能串并案分析系統(tǒng)的結(jié)構(gòu)框架圖。

如圖3所示，該智能串并案分析系統(tǒng)包括數(shù)據(jù)集成模塊301、機(jī)器學(xué)習(xí)模塊302和類案生成模塊303，數(shù)據(jù)集成模塊301與機(jī)器學(xué)習(xí)模塊302相連，機(jī)器學(xué)習(xí)模塊302與類案生成模塊303相連。

其中，數(shù)據(jù)集成模塊301用于基于公安刑偵數(shù)據(jù)庫(kù)建立案件特征數(shù)據(jù)倉(cāng)庫(kù)，機(jī)器學(xué)習(xí)模塊302用于基于案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)生成串并案分析模型，類案生成模塊303用于利用串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。

該智能串并案分析系統(tǒng)的具體工作過(guò)程如下：

數(shù)據(jù)集成模塊301建立基于大數(shù)據(jù)的案件特征數(shù)據(jù)倉(cāng)庫(kù)，將公安刑偵數(shù)據(jù)庫(kù)的數(shù)據(jù)通過(guò)ETL抽取到案件特征數(shù)據(jù)倉(cāng)庫(kù)中，作為數(shù)據(jù)支持。

機(jī)器學(xué)習(xí)模塊302，通過(guò)對(duì)案件特征數(shù)據(jù)倉(cāng)庫(kù)中的已破案件信息進(jìn)行機(jī)器學(xué)習(xí)，形成精準(zhǔn)、高效、可自動(dòng)學(xué)習(xí)完善的串并案分析模型。也就是說(shuō)，機(jī)器學(xué)習(xí)模塊302基于案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)，分析已破串并案件的特征，該特征包括：作案手段、作案特點(diǎn)、作案時(shí)間、選擇地點(diǎn)等特征，生成基于不同作案特征的串并案分析模型，并可以在用戶的實(shí)際使用中不斷更新、完善。機(jī)器學(xué)習(xí)模塊302進(jìn)行機(jī)器學(xué)習(xí)的步驟如圖2所示，在此不再贅述。

類案生成模塊303利用機(jī)器學(xué)習(xí)模塊302生成的串并案分析模型對(duì)未破案件進(jìn)行分析，生成類案列表。在作案特征具有相同點(diǎn)、相似點(diǎn)的未破案件，就會(huì)作為類案出現(xiàn)在該類案列表中。需要說(shuō)明的是，類案生成模塊303可以利用串并案模型自動(dòng)分析未破案件特征，進(jìn)行歸類，生成類案列表，也可以接收外部(偵查人員、情報(bào)分析人員、案件組長(zhǎng)等一線偵破人員)的檢索(如案件特征)信號(hào)，生成類案列表。進(jìn)一步的是，類案生成模塊303在使用串并案分析模型分析未破案件并給出類案列表時(shí)，根據(jù)外部(偵查人員、情報(bào)分析人員、案件組長(zhǎng)等一線偵破人員)的實(shí)際操作信號(hào)，將分析結(jié)果反饋給機(jī)器學(xué)習(xí)模塊302，例如接收外部操作信號(hào)對(duì)類案列表的串并分析正確的，將此結(jié)果正反饋至機(jī)器學(xué)習(xí)模塊302由其記錄并更新串并案分析模型；分析出現(xiàn)偏差的，將此偏差結(jié)果負(fù)反饋至機(jī)器學(xué)習(xí)模塊302，繼續(xù)機(jī)器學(xué)習(xí)優(yōu)化串并案分析模型中各個(gè)維度的權(quán)重比，使該串并案模型進(jìn)一步接近實(shí)際應(yīng)用。

本發(fā)明實(shí)施例提供了一種智能串并案分析系統(tǒng)，包括數(shù)據(jù)集成模塊、機(jī)器學(xué)習(xí)模塊和類案生成模塊；通過(guò)數(shù)據(jù)集成模塊建立基于公安刑偵數(shù)據(jù)庫(kù)的案件特征數(shù)據(jù)倉(cāng)庫(kù)，機(jī)器學(xué)習(xí)模塊基于案件特征數(shù)據(jù)倉(cāng)庫(kù)通過(guò)機(jī)器學(xué)習(xí)已破案件的特征生成串并案分析模型，類案生成模塊利用串并案分析模型對(duì)未破案件進(jìn)行分析歸類，生成類案列表。在作案特征具有相同點(diǎn)、相似點(diǎn)的未破案件，就會(huì)作為類案出現(xiàn)在該類案列表中。該系統(tǒng)憑借大數(shù)據(jù)分析技術(shù)對(duì)公安行業(yè)進(jìn)行分析，深度挖掘公安業(yè)務(wù)邏輯，將公安刑偵數(shù)據(jù)庫(kù)通過(guò)ETL導(dǎo)入，形成完整的案件特征數(shù)據(jù)倉(cāng)庫(kù)，建立一套基于公安行業(yè)的串并案分析模型，從而解決信息孤島，深度挖掘數(shù)據(jù)間的深層聯(lián)系，為用戶提供有用的決策信息。解決了現(xiàn)有技術(shù)中串并案分析時(shí)需要偵查人員從公安信息系統(tǒng)中人工分析查找導(dǎo)致的費(fèi)時(shí)費(fèi)力、效率低下的問(wèn)題，能夠提高串并案分析效率和準(zhǔn)確率。

進(jìn)一步的是，該智能串并案分析系統(tǒng)還包括軌跡分析模塊304和高危人群生成模塊305。

軌跡分析模塊304用于基于軌跡信息建立人員活動(dòng)軌跡數(shù)據(jù)庫(kù)，高危人群生成模塊305用于基于公安前科人員數(shù)據(jù)庫(kù)建立高危人群數(shù)據(jù)庫(kù)。

具體的是，軌跡分析模塊304通過(guò)ETL抽取軌跡信息建立人員活動(dòng)軌跡數(shù)據(jù)庫(kù)，軌跡信息包括電子圍欄軌跡、上網(wǎng)軌跡、住宿軌跡、消費(fèi)軌跡、公共交通出行軌跡。高危人群生成模塊305基于公安前科人員數(shù)據(jù)庫(kù)，對(duì)已破案件以及相關(guān)的違法犯罪人員進(jìn)行聚類分析，深度挖掘案件特征與犯罪人員特征的關(guān)系，構(gòu)建出高危人群數(shù)據(jù)庫(kù)。

需要說(shuō)明的是，軌跡分析模塊304和高危人群生成模塊305均與數(shù)據(jù)集成模塊301相連，數(shù)據(jù)集成模塊301還用于將分散的軌跡信息以及前科人員數(shù)據(jù)庫(kù)中的人員信息進(jìn)行抽取、集成在一起，軌跡分析模塊304基于集成后的軌跡信息建立人員活動(dòng)軌跡數(shù)據(jù)庫(kù)，高危人群生成模塊305用于基于公安前科人員數(shù)據(jù)庫(kù)中的集成的相關(guān)人員信息建立高危人群數(shù)據(jù)庫(kù)。

進(jìn)一步的是，該智能串并案分析系統(tǒng)還包括數(shù)據(jù)接入模塊306。軌跡模塊304、高危人群生成模塊305均與數(shù)據(jù)接入模塊306相連。數(shù)據(jù)接入的方式包括兩種，一種是對(duì)接數(shù)據(jù)庫(kù)的方式，另一種通過(guò)導(dǎo)入的方式，例如excel表格。

優(yōu)選的是，數(shù)據(jù)接入模塊306包括數(shù)據(jù)接入端口，通過(guò)數(shù)據(jù)對(duì)接的方式接入高危人群數(shù)據(jù)庫(kù)或人員活動(dòng)軌跡數(shù)據(jù)庫(kù)。數(shù)據(jù)接入模塊306用于從人員活動(dòng)軌跡數(shù)據(jù)庫(kù)、高危人群數(shù)據(jù)庫(kù)中分別調(diào)取人員軌跡數(shù)據(jù)、高危人群數(shù)據(jù)。

具體的是，數(shù)據(jù)接入模塊306從由高危人群生成模塊305建立的高危人群數(shù)據(jù)庫(kù)中調(diào)取高危人群數(shù)據(jù)，從由軌跡分析模塊304建立的人員活動(dòng)軌跡數(shù)據(jù)庫(kù)中調(diào)取軌跡數(shù)據(jù)。

進(jìn)一步的是，該智能串并案分析系統(tǒng)還包括分析模塊307。數(shù)據(jù)接入模塊306與分析模塊307相連，分析模塊307與類案生成模塊303相連。

分析模塊307用于利用高危人群數(shù)據(jù)和軌跡數(shù)據(jù)對(duì)類案列表進(jìn)行數(shù)據(jù)分析，生成串并案列表。

具體地是，分析模塊307利用數(shù)據(jù)接入模塊306從高危人群數(shù)據(jù)庫(kù)中調(diào)取的高危人群數(shù)據(jù)以及從人員活動(dòng)軌跡數(shù)據(jù)庫(kù)中調(diào)取的軌跡數(shù)據(jù)，對(duì)類案生成模塊303生成的類案列表進(jìn)行數(shù)據(jù)分析(對(duì)類案列表生成可能作案的高危人群，并結(jié)合軌跡數(shù)據(jù)進(jìn)行人員、案發(fā)地點(diǎn)軌跡分析)，為公安分析人員提供高質(zhì)量的串并案推薦信息，生成串并案列表，進(jìn)一步減少公安情報(bào)分析人員的工作量。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。