刑事审讯是公安系统中最重要、最复杂、涉及范围最广的任务之一。审讯是侦查人员为揭露案件真相,证实犯罪和查明犯罪人,依法就案件事实和其他案件有关的问题以言词的方式对犯罪嫌疑人进行提问,以获取真实供述或辩解的一项侦查行为。审讯工作的基本研究对象是受审查人的心理活动和他们在不同审讯阶段的行为表现。这一系统化的知识隐藏在公安系统中大量的犯罪案例信息之中。现有的审讯过程主要基于侦查人员的先验知识,浪费大量的人力和物力,存在误判、漏判的现象,并且存在因为处理时间缓慢而导致贻误破案时机的情况。另外目前在该领域,数据分散在各部门而各个部门的数据又相互独立处理,需要人工建立联系,效率低下,缺乏智能化的统计与分析功能。 本文以大连市公安局项目刑事审讯辅助决策支持系统为研究背景,详细介绍了数据挖掘技术在犯罪案例信息中的应用,并从三个不同的方面进行研究探讨。 首先对粗糙集知识进行学习,运用粗糙集知识对犯罪案例信息中连续值属性进行离散化。使用这种方法能够充分考虑各个连续值属性之间的影响,可以有效地减少不合理和多余的划分点。 在利用粗糙集知识将连续值属性离散化后,再运用贝叶斯网络的相关知识给出部分刑事审讯案例的贝叶斯网络模型,包括个性心理特征分类模型和审讯对策方式模型。 最后运用关联分析方法对不同案例进行分析,实现了对大量的犯罪案例信息进行数据挖掘,找出大量案例记录数据中的潜在规律,并生成关联模型。此外,刑事犯罪案例的增加是迅猛飞速的,针对这一事实运用关联模型的快速增量更新方法进行模型的更新。 本文运用知识发现中的不同方法对公安系统犯罪案例信息进行挖掘,得到了部分案例合理的数据挖掘模型。可以用于度量案例中各种因素对于特定案例所起的作用,给出对于特定案例审讯的可行性审讯方案,提高审讯办案过程的准确率和效率。模型设计了开放的问题定义、挖掘、推理模块,可以对问题进行分析研究,具有一定的通用性和扩展性,通过试验测试,取得了和实际情况接近的效果。