第一部分 理论与方法篇 3
第1章 模糊集基本理论与方法 3
1.1 基本概念 3
1.1.1 模糊性是人脑的基本特性 3
1.1.2 模糊信息特征 4
1.1.3 模糊信息处理 6
1.2 模糊信息理论 7
1.2.1 模糊集合概念 7
1.2.2 运算与性质 9
1.2.3 分解定理和扩张原理 10
1.2.4 凸模糊集 12
1.2.5 模糊数上的关系运算 13
1.2.6 模糊数的其他表示 15
1.2.7 各种模糊数的语义距离 16
1.2.8 几种模糊数的运算和关系 18
1.2.9 广义模糊集 20
1.3 模糊犯罪信息的度量 23
1.3.1 模糊度 23
1.3.2 模糊集的距离 24
1.3.3 模糊集合间的贴近度 25
1.4 犯罪模糊关系的表示 27
1.5 模糊向量与模糊变换 32
第2章 犯罪模糊信息处理方法 34
2.1 模糊模式识别 34
2.1.1 模糊模式识别的基本问题 34
2.1.2 最大隶属度原则Ⅰ 34
2.1.3 最大隶属度原则Ⅱ 35
2.1.4 择近原则与综合评判 37
2.2 对犯罪数据的模糊分类 39
2.2.1 模糊聚类法 39
2.2.2 语义关联度 42
2.2.3 利用语义关联度进行模糊分类 45
2.3 模糊语言模型 50
2.3.1 语言的模糊模型 51
2.3.2 模糊语法 52
2.4 模糊语义 56
第3章 模糊逻辑与模糊推理 60
3.1 基本模糊逻辑 60
3.1.1 模糊命题与谓词 60
3.1.2 狭义模糊逻辑 61
3.1.3 模糊三段论 64
3.2 语言值模糊逻辑 65
3.3 广义模糊逻辑 68
3.3.1 合式逻辑公式 68
3.3.2 广义模糊三段论 69
3.3.3 Ⅰ型推理问题 70
3.3.4 Ⅱ型推理问题 71
3.3.5 Ⅲ型推理问题 72
3.4 非单调模糊逻辑 72
3.4.1 逻辑的单调性 72
3.4.2 模糊的默认逻辑 76
3.5 其他各种模糊逻辑 78
3.5.1 加权模糊逻辑 78
3.5.2 模糊计算逻辑 80
3.5.3 分布值逻辑 81
3.5.4 Bayes概率逻辑 84
3.5.5 统计归纳逻辑 87
第4章 模糊知识处理 99
4.1 知识的分类 99
4.2 知识处理所要研究的对象 102
4.2.1 知识的表示 103
4.2.2 知识的获取 104
4.2.3 知识的运用和处理 105
4.3 犯罪模糊关系表示的知识及处理 106
4.3.1 模糊事实的关系表示 107
4.3.2 模糊规则的关系表示 107
4.3.3 模糊关系表示的知识与处理 109
4.4 模糊逻辑表示处理 110
4.4.1 模糊概念和事实的表示 110
4.4.2 模糊规则的表示 111
4.4.3 模糊逻辑表示的知识处理和运用 112
4.5 基于模糊语义网络的知识表示及处理 118
4.5.1 语义网的图形表示 118
4.5.2 语义网络的形式描述 120
4.5.3 与（或）语义图 122
4.5.4 模糊与（或）语义图 126
4.5.5 案件识别的语义图的学习行为 130
第二部分 警务智能决策篇 139
第5章 警务数据挖掘与犯罪模式发现 139
5.1 什么是数据挖掘 139
5.2 数据挖掘的作用 140
5.3 基于关联规则犯罪模式发现 144
5.3.1 关联规则简介 144
5.3.2 经典Apriori算法 145
5.4 犯罪模糊数据挖掘 146
5.4.1 关于KDFCD技术 146
5.4.2 模糊数据库中的知识发现 147
5.4.3 犯罪模糊关联规则CFAR的挖掘 149
5.5 犯罪空间数据挖掘 151
5.5.1 基于泛化的发现方法 152
5.5.2 聚类方法 153
5.5.3 空间关联规则 154
5.5.4 分类及预测 157
5.5.5 犯罪模糊空间分析 158
第6章 几个典型的犯罪数据挖掘 162
6.1 基于自组织的区域犯罪趋势分析 162
6.1.1 区域犯罪模糊评价 162
6.1.2 模糊自组织神经网络图 162
6.1.3 从时间序列中发现规则 164
6.1.4 可视化警用自组织图的设计 165
6.1.5 犯罪区域选择的聚类分析 168
6.1.6 犯罪的规则分析 170
6.2 犯罪刑事调查中时间性关联规则的增量挖掘 172
6.2.1 时间关联规则和其数值属性 172
6.2.2 关联规则的增量挖掘 173
6.2.3 时间关联规则的增量挖掘 174
6.2.4 增量TAR算法 179
6.2.5 犯罪模式发现 181
第7章 犯罪侦查fuzzy推理系统 188
7.1 犯罪侦查系统的推理模式 188
7.2 Fuzzy关系映射反演推理模式 191
7.2.1 Fuzzy关系映射反演原则 191
7.2.2 Fuzzy定映协同推理 194
7.2.3 犯罪侦查的fuzzy自动推理 196
7.3 基于模糊识别的辅助侦查信息 200
7.3.1 Fuzzy步法识别 200
7.3.2 基于fuzzy集的犯罪嫌疑人语音识别系统 202
第8章 基于案例的犯罪模糊推理技术 210
8.1 基于案例推理的基本概念 210
8.2 CBCFR的工作机制 211
8.2.1 基本框架 211
8.2.2 犯罪案例表示 212
8.2.3 犯罪案例索引与检索 213
8.2.4 案例的重用 214
8.3 建立基于CBCFR的关键技术 216
8.3.1 典型犯罪案例库系统 216
8.3.2 基于犯罪案例的推理模型 217
8.4 案例模糊推理机的设计 219
8.4.1 基本内容 219
8.4.2 推理机工作流程设计 221
8.4.3 面向对象的程序实现 222
8.5 一个犯罪案例检索的方法 230
8.5.1 类推过程的模型化和信息检索 230
8.5.2 先验知识空间 231
8.5.3 先验知识空间中模糊集合表示的识别 232
8.5.4 属性识别 234
8.5.5 实际例子 239
第9章 警务管理与决策 244
9.1 城市交通智能红绿灯控制系统 244
9.1.1 背景 244
9.1.2 系统结构 244
9.1.3 单个交叉口红绿灯的模糊控制 245
9.1.4 基于专家系统与神经网络的全局优化调度 247
9.1.5 模糊神经网络的调度算法 248
9.2 基于模糊神经网络的城市公共安全评价 250
9.2.1 研究背景 250
9.2.2 城市公共安全评价体系 250
9.2.3 模糊神经网络模型的确定 253
9.2.4 实证分析 256
参考文献 259