WEB挖掘技术在网络警情监控中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文研究内容 | 第13页 |
| ·论文结构安排 | 第13-14页 |
| 第二章 警情监控系统模型设计 | 第14-23页 |
| ·多 Agent 警情监控系统模型 | 第14-16页 |
| ·Web 挖掘 | 第16-19页 |
| ·Web 文本挖掘的概念 | 第16页 |
| ·Web 文本挖掘的内容 | 第16-17页 |
| ·常用Web 文本聚类方法 | 第17-18页 |
| ·文本聚类效果评价指标 | 第18-19页 |
| ·智能 Agent | 第19-22页 |
| ·Agent 的定义、特性及结构 | 第19-20页 |
| ·多Agent 系统 | 第20页 |
| ·多Agent 协作 | 第20-21页 |
| ·多Agent 间的通信 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 数据预处理及警情筛选方法设计 | 第23-36页 |
| ·警情采集 | 第23-27页 |
| ·警情采集流程 | 第23-24页 |
| ·初始URL 的选择 | 第24-25页 |
| ·网页采集 | 第25-27页 |
| ·警情清洗 | 第27-29页 |
| ·基于DOM 的分块方法 | 第27-28页 |
| ·基于ST 树的警情清洗方法 | 第28页 |
| ·警情清洗算法 | 第28-29页 |
| ·文本预处理 | 第29-32页 |
| ·中文分词 | 第29-31页 |
| ·去除停用词 | 第31-32页 |
| ·警情筛选 | 第32-34页 |
| ·警情信息的存储结构 | 第32-33页 |
| ·警情筛选方法设计 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 警情信息的聚类分析 | 第36-50页 |
| ·文本聚类的关键技术 | 第36-41页 |
| ·文本表示 | 第36-38页 |
| ·特征降维 | 第38-40页 |
| ·警情文档相似度计算 | 第40-41页 |
| ·K-means 算法的研究 | 第41-44页 |
| ·K-means 算法概述 | 第41-42页 |
| ·K-means 算法存在的问题 | 第42页 |
| ·K-means 对初值的依赖性分析 | 第42-43页 |
| ·选择初值的现有方法 | 第43-44页 |
| ·改进的 K-means 算法 | 第44-49页 |
| ·改进K-means 算法中k 值的确定 | 第44-47页 |
| ·初始聚类中心的选定 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 聚类系统设计与性能分析 | 第50-56页 |
| ·实验环境 | 第50页 |
| ·聚类系统结构设计 | 第50页 |
| ·聚类实验结果与性能分析 | 第50-55页 |
| ·实验结果 | 第50-53页 |
| ·性能分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |
| 详细摘要 | 第63-72页 |
