"""

自动化侦查决策的实践态势

1. 自动化侦查决策的实践样态

1.1 技术机理

1.1.1 人工编码的自动化决策

• 基于人工编码的自动化决策，即通过预先编写程序规则，对输入的数据进行处理，输出决策结果。
• 此类决策依赖于人类专家的知识和经验，如指纹比对、DNA比对等。

1.1.2 机器学习的自动化决策

• 基于机器学习的自动化决策，通过历史数据学习，自动构建规则，无需人为干预。
• 机器学习可分为无监督学习、监督学习和强化学习，分别解决聚类问题、预测问题和建议问题。

1.1.3 决策的时间特征

• 回溯性决策：对已发生犯罪事实的发现和识别。
• 监控性决策：基于数据模型实时监控，做出实时决策。
• 预测性决策：对尚未发生的犯罪事实做出预测决策。

1.2 决策影响程度

1.2.1 战略决策与战术决策

• 战略决策：对侦查活动中的全局性问题做出决策。
• 战术性决策：针对刑事案件中具体问题的决策，解决侦查中的具体任务。

1.3 自动化侦查决策的特点

1.3.1 相关关系、量化统计决策

• 自动化决策基于数据间的相关关系，取代了传统的因果关系和主观经验决策。

1.3.2 自动性和自主性

• 专家系统具有自动性，但自主性较低；机器学习具有较高的自主性，由计算机直接从事物原始特征出发，自动学习和生成高级认知结果。

1.4 自动化侦查决策的发展趋势

1.4.1 自动化决策的生态化

• 自动化决策已成为侦查运行的基本生态，深度浸透侦查的各个环节。

1.4.2 以大数据、算法平台为核心的系统化

• 随着警务信息化的推进，已初步形成以大数据平台为核心的自动化系统。 """