刑事案件决策支持系统研究与实现
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 引言 | 第11-16页 |
| ·研究背景 | 第11-12页 |
| ·主要研究内容及研究现状 | 第12-14页 |
| ·主要研究内容 | 第12页 |
| ·研究现状 | 第12-14页 |
| ·当前研究存在的主要问题 | 第14页 |
| ·本文工作 | 第14-16页 |
| ·研究内容及成果 | 第14-15页 |
| ·本文结构 | 第15-16页 |
| 第2章 数据仓库与数据挖掘 | 第16-28页 |
| ·数据仓库的特点和体系结构 | 第16-18页 |
| ·数据仓库的特点 | 第16-17页 |
| ·数据仓库的体系结构 | 第17-18页 |
| ·数据挖掘的任务和过程 | 第18-21页 |
| ·数据挖掘的主要任务 | 第19-20页 |
| ·数据挖掘的一般过程 | 第20-21页 |
| ·BI Dev Studio | 第21-23页 |
| ·BI Dev Studio概述 | 第21-22页 |
| ·数据源和数据源视图 | 第22-23页 |
| ·关联规则的概念和分类 | 第23-26页 |
| ·关联规则的基本概念 | 第23-24页 |
| ·关联规则的分类 | 第24-26页 |
| ·基于数据仓库的决策支持系统 | 第26-28页 |
| 第3章 数据分析及数据仓库设计 | 第28-36页 |
| ·案件决策中数据分类 | 第28-29页 |
| ·公安业务数据 | 第28-29页 |
| ·现场数据信息 | 第29页 |
| ·社会共用信息 | 第29页 |
| ·案件决策中主题选择 | 第29-32页 |
| ·主题定义 | 第29-31页 |
| ·案件特征主题 | 第31-32页 |
| ·案犯特征主题 | 第32页 |
| ·数据仓库模型设计 | 第32-36页 |
| ·高级模型设计 | 第33页 |
| ·中级模型设计 | 第33-35页 |
| ·物理模型设计 | 第35-36页 |
| 第4章 基于关联规则的数据挖掘 | 第36-43页 |
| ·Apriori关联规则算法 | 第36-37页 |
| ·Microsoft关联规则算法 | 第37-38页 |
| ·Microsoft关联规则算法 | 第37页 |
| ·Microsoft关联规则算法的参数描述 | 第37-38页 |
| ·Microsoft关联规则算法应用 | 第38-43页 |
| ·涉案人员数据挖掘 | 第38-40页 |
| ·案件信息数据挖掘 | 第40-43页 |
| 第5章 基于决策树的数据挖掘 | 第43-51页 |
| ·决策树基本算法 | 第43-44页 |
| ·Micrsoft决策树算法 | 第44-45页 |
| ·Microsoft决策树算法 | 第44页 |
| ·Microsoft决策树算法的参数描述 | 第44-45页 |
| ·Microsoft决策树算法应用 | 第45-51页 |
| ·涉毒人员数据挖掘 | 第45-47页 |
| ·案件信息数据挖掘 | 第47-51页 |
| 第6章 系统设计与实现 | 第51-66页 |
| ·功能需求 | 第51-53页 |
| ·刑事案件分析 | 第51-52页 |
| ·违法人员分析 | 第52页 |
| ·吸毒人员分析 | 第52-53页 |
| ·设计与实现 | 第53-66页 |
| ·开发环境 | 第53-55页 |
| ·体系架构模型 | 第55-57页 |
| ·多维数据集设计实现 | 第57-59页 |
| ·系统原型 | 第59-66页 |
| 第7章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第71页 |
