| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文研究的背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外关于恐怖袭击的研究现状 | 第10-11页 |
| 1.2.2 国内关于恐怖袭击的研究现状 | 第11-12页 |
| 1.3 研究内容及方法 | 第12-13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 第二章 贝叶斯网络的基本理论 | 第15-26页 |
| 2.1 贝叶斯网络基础 | 第15-17页 |
| 2.2 贝叶斯网络的结构学习 | 第17-21页 |
| 2.2.1 基于打分搜索的方法 | 第17-21页 |
| 2.2.2 基于依赖分析的方法 | 第21页 |
| 2.3 贝叶斯网络的参数学习 | 第21-22页 |
| 2.4 贝叶斯网络的推理 | 第22-24页 |
| 2.4.1 多树传播算法 | 第22页 |
| 2.4.2 联结树传播算法 | 第22-24页 |
| 2.5 贝叶斯网络的应用 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于贝叶斯网络的暴力恐怖活动模型 | 第26-40页 |
| 3.1 贝叶斯网络节点信息选取与数据预处理 | 第26-29页 |
| 3.1.1 选取贝叶斯网络节点 | 第26-28页 |
| 3.1.2 提取贝叶斯网络原始数据 | 第28-29页 |
| 3.2 样本数据集扩展 | 第29-31页 |
| 3.2.1 选取扩展样本算法 | 第29-30页 |
| 3.2.2 扩展数据样本 | 第30-31页 |
| 3.3 基于贝叶斯网络的暴力恐怖活动模型结构学习 | 第31-37页 |
| 3.3.1 贝叶斯网络结构学习基本算法 | 第31-32页 |
| 3.3.2 贝叶斯网络结构学习算法比较实验 | 第32-35页 |
| 3.3.3 对K2算法进行改进 | 第35-37页 |
| 3.4 利用Matlab建立贝叶斯网络模型 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于贝叶斯网络暴力恐怖活动预警模型的应用 | 第40-49页 |
| 4.1 基于贝叶斯网络的暴力恐怖活动预警模型的检验 | 第40-42页 |
| 4.1.1 暴力恐怖活动预警的内容 | 第40页 |
| 4.1.2 检验暴力恐怖活动预警模型 | 第40-42页 |
| 4.2 暴力恐怖活动预警模型的案例适配应用 | 第42-46页 |
| 4.2.1 我国暴力恐怖活动的特征 | 第42-43页 |
| 4.2.2 修正模型 | 第43-45页 |
| 4.2.3 模型校验 | 第45-46页 |
| 4.3 模型修正后的应用 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间发表论文情况 | 第57-58页 |
| 致谢 | 第58页 |