基于全球恐怖主义数据库的社会安全事件时空关联分析方法研究
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-20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 社会安全事件总体研究现状 | 第13-14页 |
1.2.2 时空关联规则挖掘研究现状 | 第14-15页 |
1.2.3 时空相关性分析研究现状 | 第15-16页 |
1.2.4 事件可视化分析研究现状 | 第16页 |
1.2.5 现状分析及问题总结 | 第16-17页 |
1.3 论文的主要研究内容 | 第17页 |
1.4 论文的结构安排 | 第17-20页 |
第2章 事件数据表结构设计及总体技术方案 | 第20-28页 |
2.1 社会安全事件分析预测模型 | 第20-22页 |
2.1.1 自然地理事件关系模型 | 第20-21页 |
2.1.2 社会安全事件分析预测模型 | 第21-22页 |
2.2 社会安全事件特征与数据表结构 | 第22-24页 |
2.2.1 社会安全事件的属性特征 | 第22页 |
2.2.2 社会安全事件集数据表结构 | 第22-24页 |
2.3 面向社会安全事件的时空关联分析方法 | 第24-27页 |
2.3.1 时空关联规则挖掘方法 | 第24-25页 |
2.3.2 时空相关性分析方法 | 第25-26页 |
2.3.3 可视化分析方法 | 第26-27页 |
2.4 小结 | 第27-28页 |
第3章 社会安全事件时空关联规则挖掘 | 第28-49页 |
3.1 关联规则挖掘概述 | 第28-34页 |
3.1.1 关联规则挖掘 | 第28-29页 |
3.1.2 关联规则挖掘算法 | 第29-31页 |
3.1.3 时空关联规则 | 第31-34页 |
3.2 社会安全事件非时间序列关联规则挖掘 | 第34-39页 |
3.2.1 用时间标识代替时间属性项值 | 第34-35页 |
3.2.2 带时间标识的关联规则挖掘 | 第35页 |
3.2.3 FP-Growth-T算法 | 第35-36页 |
3.2.4 实例与分析 | 第36-39页 |
3.3 社会安全事件时间序列关联规则挖掘 | 第39-44页 |
3.3.1 时间谓词的概念与分类 | 第39页 |
3.3.2 利用时间自相关确定时空谓词 | 第39-41页 |
3.3.3 序列关联挖掘算法 | 第41-42页 |
3.3.4 实例与分析 | 第42-44页 |
3.4 时空关联规则的处理与表达 | 第44-48页 |
3.4.1 挖掘结果处理 | 第44-45页 |
3.4.2 挖掘结果评价 | 第45-46页 |
3.4.3 时空关联规则表达 | 第46-48页 |
3.5 小结 | 第48-49页 |
第4章 社会安全事件相关性分析与预测 | 第49-64页 |
4.1 相关性概述 | 第49-55页 |
4.1.1 空间自相关 | 第49-53页 |
4.1.2 时间自相关 | 第53-55页 |
4.2 事件预测方法研究 | 第55-56页 |
4.3 基于贝叶斯网络的社会安全事件预测模型 | 第56-58页 |
4.3.1 贝叶斯法则 | 第57页 |
4.3.2 社会安全事件影响因素分析 | 第57-58页 |
4.3.3 基于贝叶斯网络的社会安全事件预测 | 第58页 |
4.4 实例与分析 | 第58-62页 |
4.5 小结 | 第62-64页 |
第5章 社会安全事件可视化表达与分析 | 第64-80页 |
5.1 社会安全事件的可视化方法 | 第64-65页 |
5.2 社会安全事件的定位表达 | 第65-67页 |
5.2.1 社会安全事件的空间定位可视化 | 第65-66页 |
5.2.2 社会安全事件的时间定位可视化 | 第66-67页 |
5.3 社会安全事件统计分析 | 第67-73页 |
5.3.1 基于统计图表的可视化分析 | 第67-70页 |
5.3.2 基于统计地图的可视化分析 | 第70-73页 |
5.4 实例与分析 | 第73-79页 |
5.4.1 统计分析 | 第73-77页 |
5.4.2 利用ArcGIS的可视化分析与应用 | 第77-79页 |
5.5 小结 | 第79-80页 |
第6章 总结与展望 | 第80-82页 |
6.1 总结 | 第80-81页 |
6.2 展望 | 第81-82页 |
致谢 | 第82-83页 |
参考文献 | 第83-87页 |
作者简历 | 第87页 |