基于模糊聚类分析研究犯罪率相关因素

本节中笔者通过结合模糊聚类分析理论研究了影响犯罪率的各因素之间的关系，根据已知样本的期望聚类结果，建立聚类评价指标，结合有监督学习思想，利用混沌优化方法对评价指标进行寻优计算，训练各因素的权重因子，从而确定各因素对犯罪率的影响关系。测试样本的聚类结果表明，所得结论基本符合实际情况，对于犯罪率等法学问题的研究提供了有意义的理论依据，所得结论具有现实意义。

和谐社会从其实质上说就是社会各种组织、各个阶层能够和谐运行、彼此协调地发展。然而现实表明，在社会的运行与发展中，往往存在各种矛盾与冲突，影响着社会的和谐，其中这种冲突和矛盾最为激烈的表现形式就是犯罪。从这种意义上说，一个国家犯罪率的高低反映了一个国家的社会和谐程度。犯罪率的研究对社会的稳定、国家的发展有着重要的意义。(www.xing528.com)

一个国家的犯罪率与多种因素有关，这些因素与犯罪率之间的关系又十分复杂[12]，如何分析清楚各因素的内在关系以及对犯罪率的影响一直是法律工作者研究的难题。一些法律工作者试图根据已有的一些数据直接揭示犯罪率与这些因素之间的关系，并通过建立线性或者简单的函数模型来确定这些因素对犯罪率的影响。但由于现实问题的复杂性，很难获得有效的模型。不过人们仍然通过感性认知或部分数据得到一些结论，如通常认为，国家的悠久历史和文化、国民的富裕程度和素质的提高、失业率的降低等都有助于犯罪率的降低，但这个结论的正确性却无法得到严谨的证明或证实，因此不具有很强的说服力。本节利用数据挖掘中的模糊聚类分析理论[13]，建立起各种因素对犯罪率的影响关系，从而得到对法律工作者具有借鉴意义的理论性结论。