| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 引言 | 第11-12页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 文本表示研究现状 | 第13-15页 |
| 1.2.2 文本分类研究现状 | 第15-17页 |
| 1.3 本文主要研究内容及工作 | 第17页 |
| 1.4 论文结构框架 | 第17-19页 |
| 2 文本分类相关理论与算法 | 第19-30页 |
| 2.1 预处理 | 第19-20页 |
| 2.2 文本表示 | 第20-21页 |
| 2.2.1 概率模型 | 第20页 |
| 2.2.2 向量空间模型 | 第20-21页 |
| 2.2.3 布尔模型 | 第21页 |
| 2.3 特征处理 | 第21-23页 |
| 2.3.1 特征提取 | 第22-23页 |
| 2.3.2 特征加权 | 第23页 |
| 2.4 文本分类算法 | 第23-28页 |
| 2.4.1 朴素贝叶斯算法 | 第24-25页 |
| 2.4.2 KNN分类算法 | 第25页 |
| 2.4.3 随机森林算法 | 第25-26页 |
| 2.4.4 SVM分类模型 | 第26-27页 |
| 2.4.5 神经网络分类模型 | 第27页 |
| 2.4.6 分类算法比较 | 第27-28页 |
| 2.5 分类结果评价指标 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 公安视频监控系统防控目标类别划分研究 | 第30-40页 |
| 3.1 公安视频监控系统简介 | 第30-33页 |
| 3.1.1 公安视频监控系统拓扑结构 | 第30-31页 |
| 3.1.2 公安视频监控系统的典型应用 | 第31-32页 |
| 3.1.3 公安视频监控系统优化方向 | 第32-33页 |
| 3.2 POI类别分析 | 第33-36页 |
| 3.2.1 POI类别划分现状 | 第33-35页 |
| 3.2.2 POI类别划分结果分析 | 第35-36页 |
| 3.3 视频监控系统防控目标类别界定 | 第36-39页 |
| 3.3.1 防控目标一级类别划分 | 第36-37页 |
| 3.3.2 防控目标二级类别划分 | 第37-38页 |
| 3.3.3 参考POI类别划分明确防控目标类别内涵 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于Word2vec模型的防控目标分类模型 | 第40-49页 |
| 4.1 Word2vec模型原理 | 第40-44页 |
| 4.1.1 网络结构 | 第41-42页 |
| 4.1.2 目标函数 | 第42-44页 |
| 4.1.3 梯度计算 | 第44页 |
| 4.2 基于词向量的文本表示模型 | 第44-47页 |
| 4.2.1 SW2V文本表示模型 | 第45页 |
| 4.2.2 W2V_TFIDF文本表示模型 | 第45-47页 |
| 4.2.3 CW2V文本表示模型 | 第47页 |
| 4.3 基于词向量的防控目标分类模型 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 仿真实验及结果分析 | 第49-66页 |
| 5.1 创建数据集 | 第49-56页 |
| 5.1.1 创建Word2vec模型训练数据集 | 第49-52页 |
| 5.1.2 创建百度地图POI数据集 | 第52-56页 |
| 5.2 Word2vec词向量训练 | 第56-57页 |
| 5.3 分类模型性能分析 | 第57-59页 |
| 5.4 防控目标分类模型可视化界面设计及实例应用 | 第59-64页 |
| 5.4.1 可视化界面功能介绍 | 第59-61页 |
| 5.4.2 可视化界面实例应用 | 第61-64页 |
| 5.5 本章小结 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72页 |