随着信息化水平的不断提高,犯罪手段与形式也不断变化着,公安信息化的任务越来越大,而警务人员在日常统计时会出现数据缺失的情况,仅通过经验来判别犯罪可能性难以保证判断的准确性。因此从海量的犯罪数据中提取出有效的犯罪规律,从而正确的把握犯罪趋势是公安部门的当务之急。为解决此问题,本文通过对犯罪数据进行分析,挖掘其内部的关联性,应用于公安情报信息系统,以辅助警务人员进行准确的判断,提高其办事效率。本文将贝叶斯分类技术运用于公安情报信息系统中,首先针对犯罪数据的特殊性,对其进行数据预处理,然后应用基于PCA技术的P-HNBC算法对犯罪数据进行挖掘,生成犯罪规律,应用于公安情报信息系统。选取了湖南某市2011年的犯罪数据进行预处理,从而生成对应的训练数据集和测试数据集,通过P-HNBC算法判别其是否犯罪,从而指导警务人员做出正确的决策。本文主要实现的功能分为以下几部分:一是结合PCA技术对隐藏朴素贝叶斯分类器(HNBC)进行改进,生成了一种P-HNBC算法,并对概率为零事件采取了 M-估计方法,避免了零概率事件对分类结果的影响。然后将其在UCI数据集上进行仿真实验,验证了该改进算法的有效性。二是对公安数据源进行分析,对存在的缺失数据与噪声数据进行预处理,将改进后的P-HNBC算法应用于犯罪研究上,从而导出犯罪规律,建立公安情报信息系统的决策模块,指导警务人员的正确决策,提高公安机构的办事效率,促进和谐社会的构建。通过对公安情报信息系统决策模块的实验,验证了其分类性能优于其他分类模型,所有的犯罪信息能通过该系统进行关联,解决了以往警务人员根据经验而做出犯罪决策的问题,从而提高了公安机关的侦查破案的效率。