| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外情报信息分析技术的现状分析 | 第12-15页 |
| 1.4 本文研究内容 | 第15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 第2章 数据挖掘技术分析 | 第16-20页 |
| 2.1 概述 | 第16页 |
| 2.2 数据挖掘分析技术 | 第16-19页 |
| 2.2.1 数据挖掘的概念 | 第16-17页 |
| 2.2.2 数据挖掘的任务 | 第17-18页 |
| 2.2.3 数据挖掘技术主要的应用方法 | 第18-19页 |
| 2.2.4 数据挖掘技术的应用现状 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 关联规则算法在情报分析中的应用 | 第20-36页 |
| 3.1 关联规则 | 第20-22页 |
| 3.1.1 关联规则的基本概念 | 第20-21页 |
| 3.1.2 关联规则的分类 | 第21-22页 |
| 3.2 Apriori 关联规则算法 | 第22-25页 |
| 3.2.1 关联规则 Apriori 算法及伪代码 | 第23-24页 |
| 3.2.2 Apriori 算法的优化方法 | 第24-25页 |
| 3.3 对旧 Apriori 算法在情报分析中的改进 | 第25-32页 |
| 3.3.1 旧 Apriori 算法的缺点 | 第25-26页 |
| 3.3.2 应用优化的 Apriori 算法提高挖掘新型犯罪的敏感性 | 第26-29页 |
| 3.3.3 利用权重参数优化 Apriori 算法 | 第29-32页 |
| 3.4 改进后的 Apriori 算法在案件分析中的实现 | 第32-35页 |
| 3.4.1 改进算法的实现 | 第32页 |
| 3.4.2 对比旧算法与改进算法在案件分析中的实现 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 文本分析技术研究与应用 | 第36-50页 |
| 4.1 公安情报信息的结构概述 | 第36-37页 |
| 4.2 公安情报信息文本的特点 | 第37-38页 |
| 4.3 系统功能性需求分析 | 第38-39页 |
| 4.3.1 比对报警 | 第38页 |
| 4.3.2 实战研判 | 第38页 |
| 4.3.3 预警研判 | 第38-39页 |
| 4.3.4 态势分析 | 第39页 |
| 4.3.5 警情分析 | 第39页 |
| 4.4 自动分类系统的运用 | 第39-45页 |
| 4.4.1 支持向量机技术 | 第39页 |
| 4.4.2 二次优化求解方法 | 第39-40页 |
| 4.4.3 对分类性能进行测试及分析 | 第40-45页 |
| 4.5 自动分类系统的实现 | 第45-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 情报信息分析系统架构与模块的设计与实现 | 第50-63页 |
| 5.1 系统的架构 | 第50-51页 |
| 5.2 情报信息分析模块设计 | 第51-62页 |
| 5.2.1 态势型分析模块 | 第51-55页 |
| 5.2.2 预警型分析模块 | 第55-58页 |
| 5.2.3 实战型分析模块 | 第58-60页 |
| 5.2.4 评估型分析模块 | 第60页 |
| 5.2.5 跟踪型分析模块 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
