行为分析是一种特殊的社会网络分析,其目的是为国家司法(执法)部门从事案件侦查、预防和打击违法犯罪提供有效的情报信息。利用数据仓库和数据挖掘技术从看似杂乱无序的各种海量信息中发现知识,进行行为分析和特征描述,研究其中的规律和联系,从而产生情报信息并服务实战,具有相当重要的现实意义。目前,各行各业的信息和数据大多自成体系,相互独立,联合应用有一定困难,限制了情报信息的分析和获取,因此,设计了行为分析数据仓库模型,利用星型模型构建数据仓库,用关系模型存放数据,合理组织和管理数据,构建了一个可以实现跨行业跨领域、整合各类信息的数据仓库。利用OLAP动作提供多维数据,实现了行为分析的基础功能查询和比对,为情报分析人员提供辅助决策的数据信息支持。利用ID3算法实现对行为数据的分类,发现行为属性的特征模式,引入经验参考系数δ对算法进行改进。利用Apriori算法对特征属性与事件关联关系和行为特征属性问的关联关系进行挖掘研究,发现关联规则。利用概念分类的聚类思想,使用概率和频率度量对行为数据分类,获得指导情报分析的模型。应用上述研究成果于实际案例,可以实现行为分析的最终目标,即产生情报信息用来指导侦查破案。A城统计结果表明,试用行为分析后一个季度情报线索的自主发现率(非举报、报案)环比提高了11%。利用数据仓库和数据挖掘进行行为分析,可以有效拓宽情报信息的获取途径和方法,达到了研究的预期效果,有较高的实用价值。