案事件时空特征识别与可视分析
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-23页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.2.1 理论意义 | 第9页 |
| 1.2.2 现实意义 | 第9-10页 |
| 1.3 研究现状 | 第10-20页 |
| 1.3.1 犯罪时空分布研究 | 第10-11页 |
| 1.3.2 犯罪关联分析研究 | 第11-13页 |
| 1.3.3 犯罪信息可视化研究 | 第13-20页 |
| 1.4 研究内容与组织结构 | 第20-23页 |
| 1.4.1 研究内容 | 第20-21页 |
| 1.4.2 组织结构 | 第21-23页 |
| 第二章 相关理论研究基础 | 第23-32页 |
| 2.1 时空扫描统计方法 | 第23-25页 |
| 2.1.1 扫描方式 | 第23-24页 |
| 2.1.2 计算扫描统计量 | 第24-25页 |
| 2.1.3 蒙特卡罗检验 | 第25页 |
| 2.2 数据立方体技术 | 第25-28页 |
| 2.3 多最小支持度关联分析 | 第28-31页 |
| 2.3.1 多最小支持度定义 | 第28-29页 |
| 2.3.2 指定最小项支持度 | 第29页 |
| 2.3.3 多最小支持度算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 案事件时空特征分析 | 第32-57页 |
| 3.1 研究区概况与数据准备 | 第32-34页 |
| 3.1.1 研究区域 | 第32页 |
| 3.1.2 数据准备 | 第32-34页 |
| 3.2 案事件时空分布分析 | 第34-45页 |
| 3.2.1 案事件空间分布分析 | 第34-39页 |
| 3.2.2 案事件时间分布分析 | 第39-41页 |
| 3.2.3 案事件时空分布分析 | 第41-45页 |
| 3.3 案事件时空模式挖掘 | 第45-57页 |
| 3.3.1 建立多维数据模型 | 第45-49页 |
| 3.3.2 产生频繁谓词集 | 第49-54页 |
| 3.3.3 产生强关联规则 | 第54-57页 |
| 第四章 案事件时空集聚可视分析 | 第57-68页 |
| 4.1 犯罪时空集聚可视化内容体系研究 | 第57-58页 |
| 4.1.1 可视化内容相关要素 | 第57-58页 |
| 4.1.2 可视化内容组合形式 | 第58页 |
| 4.1.3 可视化内容设计原则 | 第58页 |
| 4.2 多时空尺度犯罪集聚交互可视分析 | 第58-67页 |
| 4.2.1 基于时间尺度的犯罪集聚可视分析 | 第58-65页 |
| 4.2.2 基于空间尺度的犯罪集聚可视分析 | 第65-67页 |
| 4.3 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68页 |
| 5.2 研究特色 | 第68-69页 |
| 5.3 不足与展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第75页 |
