贝叶斯网络在刑事审讯辅助决策支持中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第9-11页 |
| 1 基础知识综述 | 第11-17页 |
| 1.1 数据挖掘 | 第11页 |
| 1.2 知识发现 | 第11-12页 |
| 1.3 知识发现的处理过程 | 第12-13页 |
| 1.4 数据挖掘技术 | 第13-14页 |
| 1.5 贝叶斯网络与知识发现 | 第14-15页 |
| 1.6 决策支持系统 | 第15页 |
| 1.7 研究概况及发展趋势 | 第15-17页 |
| 2 需求分析 | 第17-29页 |
| 2.1 需求描述 | 第17-20页 |
| 2.2 功能需求 | 第20-21页 |
| 2.3 系统说明 | 第21-25页 |
| 2.4 系统流程 | 第25-26页 |
| 2.5 数据ER图 | 第26-29页 |
| 3 贝叶斯网络分析 | 第29-40页 |
| 3.1 图模型方法 | 第29-31页 |
| 3.1.1 贝叶斯网络 | 第29-31页 |
| 3.1.2 贝叶斯网络与刑事审讯 | 第31页 |
| 3.2 贝叶斯网络学习 | 第31-37页 |
| 3.2.1 结构学习 | 第32-35页 |
| 3.2.2 参数学习 | 第35-37页 |
| 3.3 贝叶斯网络推理 | 第37-40页 |
| 3.3.1 贝叶斯网络的推理形式 | 第38页 |
| 3.3.2 随机样本推理算法 | 第38-40页 |
| 4 原型系统设计 | 第40-51页 |
| 4.1 模块总体设计 | 第40-41页 |
| 4.2 详细设计 | 第41-51页 |
| 4.2.1 问题定义 | 第41-42页 |
| 4.2.2 变量定义 | 第42-43页 |
| 4.2.3 数据采集 | 第43页 |
| 4.2.4 网络学习 | 第43-47页 |
| 4.2.5 网络推理 | 第47页 |
| 4.2.6 网络管理 | 第47-51页 |
| 5 测试实验 | 第51-58页 |
| 5.1 犯罪嫌疑人个性心理特征分类模型 | 第51-54页 |
| 5.2 审讯目标模型 | 第54-56页 |
| 5.3 审讯对策模型 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
