大数据时代的到来,对案件的侦查、审理和定性提出了更大的挑战,利用现有的机器学习方法,对新发生的刑事案件结果进行准确合理的预测,减少误判案件的发生显得越来越重要。文章以刑事案件中如何确定侵犯公民人身权利的两种犯罪类型（故意杀人罪和过失致人死亡罪）为例,选取美国数据样本作为实验数据,建立了犯罪类型是谋杀（Murder）还是误杀（Manslaughter）的预测模型及决策系统,能够为我国刑事案件辅助决策领域提供可借鉴的理论基础和系统实现。本文所作的主要工作有以下三点:（1）完成了638454条样本数据的预处理,得到14467条训练集数据和4823条测试集数据。结合犯罪记录数据的实际情况,分析决策模型对数据的客观要求,采取了相应的策略对数据进行处理。首先剔除不合时宜的数据实现数据的清洗;再根据实际情况采取众数或均值填充或分组填充缺失值;采用标签编码实现特征转换;对数据进行重采样;采用Featexp模块实现数据的降维以及最终的数据拆分工作。（2）完成了决策模型的设计与创建,预测准确率达到96.10%。文章分别采用CART算法,RandomForest算法,AdaBoost算法创建决策模型,实现了刑事案件辅助决策的目标,各模型的准确率分别达到了89.07%、90.77%、96.06%;得出了各个特征对目标的影响状况,便于以后对特征有偏向性的分析与应用;最后,基于优劣解距离法改进Stacking策略并集成以上三种算法,再一次将预测的准确率提升至96.10%。（3）完成了刑事案件辅助决策系统的设计与实现。基于RandomForest决策算法,采用B/S系统架构,利用Java+SpringBoot+BootStrap+MySQL+IDEA技术,实现了具有犯罪记录管理、犯罪类型决策和权限日志管理功能的辅助决策系统。最后,根据实验结果以及决策系统的测试使用,可为我国刑事案件辅助决策相关领域的研究提供参考建议,并对此次研究过程中存在的不足进行了总结,需要在今后的刑事案件辅助决策研究中作进一步的改进。