数据挖掘技术是近年来数据库和人工智能领域研究的热点课题，目前在很多领域已有研究，但在公安工作的研究中尚处于空白，将数据挖掘技术应用于公安犯罪行为分析的研究，是本文的重点。 当前，随着社会政治、经济和科学技术的高速发展，现代犯罪行为表现出了速度化、智能化、高科技化的特点。从犯罪整体走势看，建国以来，我国出现过五次犯罪高峰，尤其是改革开放以来出现的第五次犯罪高峰发案数量明显上升，而且伴随着每一次犯罪浪潮都有新的罪种出现，经济犯罪、金融犯罪、智能犯罪迅速崛起，上升速度非常之快，远远超过了恶性的、原始的、人的本能的犯罪，同时大案要案所占比例也有增多。这种情况下，采用数据挖掘技术发现最新规则并及时将其应用于公安人员的日常警务工作，以提高执法效率与快速反应能力、及时的预防与打击犯罪行为，成为公安工作中急需解决的问题。但目前传统的分类规则Apriori算法与决策树ID3算法在公安工作中的应用都存在着不能解决的问题，如不能对新犯罪行为产生规则，容易忽略所占比例较少但危害性很大的大案要案的相关规则等，针对于这种情况，本文所作的主要工作是提出了算法的改进，并通过模型进行了验证。 对数据挖掘技术在公安犯罪行为分析中存在的问题进行了分析与探讨；针对新犯罪行为的不断出现，提出了敏感性问题，用来衡量关联规则挖掘算法对新犯罪的重视情况。提出了基于敏感性的Apriori优化算法，优化后的算法提高了算法的效率，并且通过模型证明对新犯罪项目是敏感的；针对在传统的Apriori算法中，虽然重要但所占比例较少的项目容易被忽略的问题，提出了加权的Apriori优化算法，以发现大案要案的规则；