国内的户籍管理从最早的手工档案管理到后来的单机版系统管理,再到今天的联网数据库管理,虽然管理水平和管理手段都获得了长足的提升,但随着时代的进步,公安工作对户籍管理的要求也越来越高,许多复杂的工作,早已不能仅仅通过简单的查询、统计来做到。目前户籍管理上所采用的各种数据分析方法,大多是直接依赖工作经验,研发专家系统,将各类数据整合起来,通过人工分析+专家系统的方法,在数据海洋中大海捞针,从而获得人们想要知道的线索或有价值的信息。这个过程,从某种程度来说,只是验证了一些人们已知的“知识”。而隐藏在数据中的未知的、具有巨大价值的潜在“知识”则仍然不为大家所知。而要将这些有用的模式找出来,发现其中隐含的、事先未知的潜在有用信息,则正是数据挖掘技术的用武之地。利用数据挖掘技术对海量的户籍人口数据进行深层次的挖掘、分析；可以从中获得有价值的信息,帮助实战单位更好地打击犯罪,并进一步探索案事件与地域、人口之间的联系。另外,通过对户籍人口数据的挖掘,还可以为决策者提供更有价值的辅助和支持,从而提高人口管理的水平。本文从我国人口和户籍管理工作的现实情况出发,对主流挖掘工具进行概述和选用,面向户籍人口数据进行挖掘和分析。因使用WEKA的K均值算法生成的聚类结果与实际掌握情况有明显差异,遂针对K均值算法进行改进：一是引入权值概念,并适当放大权值对簇均值的影响,使得簇中心更偏向于点密集的区域；二是引入了新的距离计算方法,在处理循环性数值时,使聚类结果更贴合实际。并基于该改进算法开发出JAVA平台上的挖掘功能模块Miner。实验表明,该模块在改进算法后,生成的聚类结果比原始K均值算法更贴近工作中实际掌握的情况。