随着世界维稳局势的发展,特警作为国家警队的一群特殊群体,承担着反恐维稳,是维护国家安全稳定局势的一支有生力量。因此对于特警的身体素质和专业技能都有着极高的要求,这就离不开平时特警训练的各个方面。不但要有良好的文化等理论基础,而且要有强大的身体素质来应对各种紧急突发事件。在互联网迅猛发展和信息爆炸的时代,传统的训练数据无非是得到各个训练科目的成绩,教官和领导们只能从各个科目的排名等分析各个特警的情况。这样的形式过于单一,而且很难从大量科目的成绩中找出相互制约发展的因素。数据挖掘技术可以从大量的数据库中找到成绩内在的联系,为特警教官和领导提供更好的决策。通过分析数据挖掘技术中的关联规则挖掘以及分类规则挖掘,首先分析了传统的关联数据挖掘算法apriori和fp-growth算法,指出了它们算法的原理和应用场景,结合特警大量警员的信息,提出了基于treemap的改进算法。接着分析了传统的决策树id3、c4.5和随机森林(random forest)算法,提出了全局离散化的改进算法,通过选取在UCI中12个测试数据集比较了在c4.5和rf算法中,离散前和离散后各个数据集运行速度和准确度的比较,得出运用全局离散化后的数据集在准确度上有显著提高。最后设计并实现了特警训练测评系统,把两种改进后的数据挖掘算法运用到系统之中。在已有的特警基本情况信息和训练科目成绩数据中得出大量的规则,对特警自身以后的发展方向指明了方向,为特警教官和领导也起到了决策和支持作用。