目前,犯罪出现了很多新特征和新趋势,这些违法行为严重影响人们的正常生活。公安部门积累了海量犯罪数据。如何有效利用这些数据,并发现隐藏在背后的重要信息,是目前公安工作的迫切需要。犯罪数据挖掘成为犯罪分析领域的一个重要研究方向,利用数据挖掘分类方法预测犯罪类型和犯罪特征之间的关系,寻找影响犯罪的因素,帮助公安人员从不同人群犯罪特征中推断犯罪倾向,及时预防和打击犯罪活动。由于多方面原因,导致实际收集过程中犯罪人员数据大量缺失,严重影响分类准确率。在构建分类模型之前,一个有效的数据填充算法是有必要的。因此,为了提高分类准确率,本文提出基于灰度理论的互近邻数据填充算法(Grey Mutual k-Nearest Neighbor,GMKNN)。此算法结合GBWKNN填充算法中的灰色关联分析理论和MKNNI填充算法中的相互k最近邻思想,利用灰色分析程度公式代替相互k最近邻填充算法中的欧氏距离公式,以避免填充缺失值的k个最近邻带来的噪声影响,并有效处理离散属性。本文使用真实的犯罪人员数据集,比较GMKNN数据填充算法与现存的多种填充算法的分类准确率。实验结果表明,使用本文提出的GMKNN算法填充得到的分类准确率最高,达到77.837%。说明使用此算法得到的分类规则可信度越高,对犯罪群体特征的分析和评估越准确。