基于社会网络分析的犯罪团伙识别系统
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 本文结构 | 第14-16页 |
| 2 犯罪团伙识别系统的总体设计 | 第16-24页 |
| 2.1 社会网络 | 第16-20页 |
| 2.1.1 社会网络的相关概念及其形式化界定 | 第16-17页 |
| 2.1.2 社会网络分析及其主要方法 | 第17-18页 |
| 2.1.3 社会网络的相关度量参数 | 第18-20页 |
| 2.2 犯罪团伙识别系统的总体框架 | 第20-21页 |
| 2.3 犯罪团伙识别系统的体系结构 | 第21-22页 |
| 2.4 系统的主要功能模块 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 嫌疑人社会网络的建立 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 案件数据仓库的建立 | 第24-30页 |
| 3.2.1 已有业务数据分析 | 第24-27页 |
| 3.2.2 建立相关案件的数据仓库 | 第27-30页 |
| 3.3 嫌疑人社会关系网络的建立 | 第30-32页 |
| 3.3.1 两个重要的概念 | 第30页 |
| 3.3.2 建立嫌疑人的社会关系网络 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 犯罪团伙识别模块 | 第33-39页 |
| 4.1 引言 | 第33页 |
| 4.2 分解犯罪嫌疑人社会网络的关键技术 | 第33-36页 |
| 4.2.1 社会网络社团分解的相关算法 | 第33页 |
| 4.2.2 快速分裂算法 | 第33-35页 |
| 4.2.3 Dijkstra 算法 | 第35-36页 |
| 4.3 犯罪团伙的分解与识别 | 第36-37页 |
| 4.4 本章小结 | 第37-39页 |
| 5 犯罪团伙核心人员的识别 | 第39-43页 |
| 5.1 引言 | 第39页 |
| 5.2 犯罪团伙核心成员的识别 | 第39-41页 |
| 5.2.1 选取社团核心节点的算法 | 第39-40页 |
| 5.2.2 选取犯罪团伙核心的设计 | 第40-41页 |
| 5.3 本章小结 | 第41-43页 |
| 6 系统的实现与测试 | 第43-51页 |
| 6.1 运行环境 | 第43页 |
| 6.2 系统架构 | 第43-46页 |
| 6.2.1 系统的逻辑架构 | 第43-44页 |
| 6.2.2 系统的物理架构 | 第44-46页 |
| 6.3 系统实现 | 第46-49页 |
| 6.3.1 犯罪嫌疑人社会关系网络的建立 | 第46-47页 |
| 6.3.2 自动识别可能的犯罪团伙 | 第47-48页 |
| 6.3.3 自动识别可能的犯罪团伙核心成员 | 第48-49页 |
| 6.4 系统测试 | 第49-50页 |
| 6.5 本章小结 | 第50-51页 |
| 7 总结 | 第51-53页 |
| 7.1 本文总结 | 第51-52页 |
| 7.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者攻读学位期间发表的论文 | 第57-60页 |
| 上海交通大学学位论文答辩决议书 | 第60页 |
