析数据挖掘技术运用于公安数据库管理如今在公安系统中，公安信息化的发展不仅给公安系统的办事效率带来了前所未有地提高，而且对于信息的处理以及信息档案的管理而言无疑也是非常重要的。文章根据目前公安系统信息管理的特点，深入探讨了数据挖掘技术应用公安系统数据管理存在的主要问题及应用其于各信息系统平台的意义，得出了随着公安业务海量数据的积累，将数据挖掘技术应用于各数据库管理，是公安应用系统从业务走向决策的必由之路。标签：数据挖掘；公安；数据库；数据库管理数据挖掘技术在很多行业尤其是销售行业的应用并取得不同寻常的成功，已引起了人们的广泛关注与重视。数据挖掘就是对大量的数据进行筛选，提炼找出需要得到的数据与模式。由于我国人口众多，而信息化的管理无疑是未来的发展方向，因此有必要研究一下数据挖掘技术是如何运用到我国公安系统数据化管理，对于公安系统的办事效率的提高无疑是非常重要的。1计算机数据挖掘技术的作用数据挖掘是伴随着计算机技术发展而变化的，这种技术的根本目的在于对数据库内部潜在的信息综合筛选，从而找出与实际运用相关的信息。從企业实际运用情况看，办公自动化过程中引进数据挖掘技术实现了隐藏信息的充分利用，为企业创造了更加科学的市场价值信息。而公安机关实施数据库管理时采用数据挖掘技术，其体现出现的功能作用也是多方面的。1.1数据准备和预处理数据准备和预处理分为以下三个子步骤：（1）首先是数据选取：它的目的是在海量数据中确定对哪些样本数据进行操作，对样本的哪些目标数据的操作。这个过程可以根据数据建模的目的来先从一些原始的数据中找到这些数据之间的相关性，然后再用很大的几组样本数据作为输入数据。（2）数据预处理：由于选择的样本数据可能来自不同的异构的数据源，这些不同来源的数据可能不一定就很适应建模要求，因此就很有必要对样本数据进行一定的预处理操作，使其适合数据挖掘模式的要求，这步无疑是非常重要。其包括对数据进行标准化处理、数据的过滤与匹配、数据的净化处理等方面操作。假如想对数值进行统一处理，就可把连续值数据变为离散型值数据等，像这些操作都是很重要的方法。（3）数据转换：转换的目的是为了将建模时使用的样本数据转换成适合挖掘方法的形式。目前常用进行规范化、数据概化、聚集、属性构造等等方法来进行数据转换。1.2数据挖掘模型选择按照所需要挖掘的模式类型选择适宜的数据挖掘算法、模型及参数。当然没有任何一种算法或工具适合所有的数据。通常也很难在开始的时候就能够确定采用哪一种算法对你所要解决问题来说是最好的方法。因此在多数情况下，需要构建不同的模型（算法或参数），从中选择最适宜的。一般地，在进行具体的数据分析的过程中，我们可以将数据挖掘分为两种比较大的类型：预测型数据挖掘和描述型数据挖掘知识其中的这两周。而描述型数据挖掘就是以非常简洁概述的方式对表达数据中所存在的具有意义的性质进行描述；对于预测型数据挖掘而言则是通过对所提供的数据集使用针对性方法分析来获得一个或者非常多的模型，而且此模型非常适合应用于预测未来新数据和一些新的性质。描述型数据挖掘通常包含非常多的多元统计的方法；预测型数据挖掘则包含统计回归、分类等方法，但是常用的预测模型包括人工神经网络、决策树、线性回归等等。1.3结果的对比和分析当使用数据挖掘技术得到结果以后，决策管理人员还需要对数据挖掘的结果进行对比和分析。一般应根据数据挖掘操作的目的来决定挖掘是否成功。因此，决策管理人员在对挖掘结果进行分析时，可以考虑以下两个方面的问题：用训练样本数据在模型上预测，往往比实际结果准确，因此我们在建模时，样本数据要尽可能选择全面；相反，使用预测集进行预测时，实际结果可能比建模时的结果差，这就需要反复的对模型进行分析和对比。在对结果进行分析与对比时，应该注意到可视化技术是一种非常好的结果分析工具，它将数据挖掘结果表现得更加清楚，所以更有利于对数据挖掘结果的分析。2目前我国公安数据库管理的现状以及存在的问题目前，公安部门正在大力进行信息化建设，对于公安部门而言，对于数据的管理其...
