近几年,由于不断深入发展的现代警务工作,公安信息化的建设不断的被提上日程,并且迅猛发展。越来越多的警务信息被各种警种的民警收集起来,汇总到使用频率不断升高的公安警务系统中。这些变化使得公安工作的管理方式渐渐的由静态向动态改变,更加侧重于预防,而不是打击。当前社会是信息社会,如果想要掌握更多的主动权,那么信息的掌握度是一切的前提。一种新的要求即各类治安信息的全面掌握以及其引出的深层次预警性信息必然要应用于当前公安工作中去。从而可以消除治安隐患,使信息工作机制更加合理化、科学化、高效化。公安部门大量案件物证信息堆积,相关部门只能进行基础性查询,案件物证信息使用职能单一。本文首先分析了案件物证信息的特征,对这些信息进行清理、集成、变换等处理使数据规范化。然后对可用于案件信息挖掘的方法进行了一定的分析,说明数据挖掘在案件分析应用的可能性。利用案件信息中案件类型、案件发生地域等特点,建立相应的模型。利用k-means算法简洁、高效、容易实施的特点,预测不同地域不同案件发生的概率,并使用层次聚类算法针对k-means算法的缺点进行案件预测。然后在传统的k-means算法和层次聚类算法的缺陷及其论证上,改进算法。通过实验证明并相互比较,层次聚类改进算法可以更为准确的为案件分类,从而确定案件各种属性对案件分类的重要程度。根据案件信息的特点使用ID3算法进行案件预测,为相关部门提供了额外的信息汇总,促使相关机关有效打击犯罪。最后,通过实验数据表明,本文中的对于层次聚类算法和ID3算法的改进算法取得了较为准确的效果,具有一定的实际意义。