基于数据挖掘技术的警务智能信息系统的构建与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·数据挖掘研究和应用现状 | 第10-11页 |
| ·本文的主要工作 | 第11页 |
| ·本文的内容组织 | 第11-12页 |
| ·小结 | 第12-13页 |
| 2 数据挖掘技术 | 第13-18页 |
| ·数据挖掘概念 | 第13页 |
| ·数据挖掘的任务和过程 | 第13-16页 |
| ·数据挖掘的任务 | 第13-14页 |
| ·数据挖掘的过程 | 第14-16页 |
| ·数据挖掘的方法 | 第16-17页 |
| ·数据挖掘结果评价 | 第17页 |
| ·小结 | 第17-18页 |
| 3 警务智能及警务信息分析 | 第18-40页 |
| ·警务智能 | 第18页 |
| ·警务智能信息系统的工作流程 | 第18-20页 |
| ·基于联机分析处理的警务信息分析 | 第20-22页 |
| ·联机分析处理的基本概念 | 第20页 |
| ·基于联机分析处理的警务信息分析 | 第20-22页 |
| ·基于决策树的警务信息分析 | 第22-30页 |
| ·决策树的基本概念和 ID3 算法 | 第22-25页 |
| ·Microsoft 决策树算法 | 第25页 |
| ·基于决策树的警务信息分析应用 | 第25-30页 |
| ·基于关联规则的警务信息分析 | 第30-36页 |
| ·关联规则的基本概念和Apriori 算法 | 第30-33页 |
| ·Microsoft 关联规则算法 | 第33-34页 |
| ·基于关联规则的警务信息分析应用 | 第34-36页 |
| ·基于聚类的警务信息分析 | 第36-39页 |
| ·聚类分析概述和k-中心点算法 | 第36-37页 |
| ·Microsoft 聚类算法 | 第37-38页 |
| ·基于聚类的警务信息分析应用 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4 警务智能信息系统的构建 | 第40-54页 |
| ·系统需求 | 第40页 |
| ·开发环境与工具 | 第40页 |
| ·警务智能信息系统体系结构 | 第40-41页 |
| ·数据集成层 | 第41-45页 |
| ·数据预处理的方法 | 第41-43页 |
| ·数据集成层设计 | 第43-45页 |
| ·数据分析层 | 第45-51页 |
| ·数据仓库设计 | 第45-46页 |
| ·联机分析处理设计 | 第46-49页 |
| ·数据挖掘设计 | 第49-51页 |
| ·数据展示层 | 第51-53页 |
| ·小结 | 第53-54页 |
| 5 警务智能信息系统的应用 | 第54-64页 |
| ·系统原型 | 第54-55页 |
| ·系统功能结构 | 第54页 |
| ·系统原型 | 第54-55页 |
| ·联机分析处理应用实例 | 第55-57页 |
| ·维度的组合分析 | 第56页 |
| ·维度的对比分析 | 第56-57页 |
| ·数据挖掘应用实例 | 第57-63页 |
| ·决策树的应用实例 | 第57页 |
| ·关联规则应用实例 | 第57-60页 |
| ·聚类应用实例 | 第60-63页 |
| ·统计分析应用实例 | 第63页 |
| ·小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-65页 |
| ·小结 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录Ⅰ攻读硕士学位期间发表论文情况 | 第69-70页 |
| 致谢 | 第70页 |
