基于数据挖掘技术的犯罪因素关联性分析
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·研究目标和内容 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第2章 数据挖掘技术 | 第13-30页 |
| ·数据挖掘 | 第13-17页 |
| ·数据挖掘的概念 | 第13-14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘结果评估 | 第15页 |
| ·数据挖掘技术分类 | 第15-16页 |
| ·数据挖掘应用领域 | 第16-17页 |
| ·关联规则理论 | 第17-25页 |
| ·关联规则的基本概念 | 第17-20页 |
| ·关联规则挖掘的过程 | 第20页 |
| ·关联规则的分类 | 第20-22页 |
| ·经典的Apriori算法 | 第22-25页 |
| ·粗糙集概述 | 第25-30页 |
| ·粗糙集的基本思想 | 第25-26页 |
| ·近似空间与不可分辨关系 | 第26-27页 |
| ·上、下近似集 | 第27-29页 |
| ·属性约简与核集求取 | 第29-30页 |
| 第3章 对Apriori算法的改进 | 第30-50页 |
| ·改进Apriori算法综述 | 第30页 |
| ·AprioriRS算法的主要步骤 | 第30-45页 |
| ·项集分类预处理 | 第32-34页 |
| ·AprioriRS算法中的项集约简 | 第34-39页 |
| ·频繁项集合取 | 第39-45页 |
| ·步骤总结 | 第45-46页 |
| ·实验结果与分析 | 第46-50页 |
| ·算法性能比较 | 第46-47页 |
| ·实验一 | 第47页 |
| ·实验二 | 第47-48页 |
| ·实验三 | 第48页 |
| ·实验结果比较与分析 | 第48-50页 |
| 第4章 属性约简与规则发现 | 第50-54页 |
| ·知识约简 | 第50-51页 |
| ·知识的独立性 | 第50页 |
| ·知识的约简 | 第50页 |
| ·知识的核 | 第50-51页 |
| ·基于遗传算法的特征约简 | 第51-54页 |
| ·遗传算法的概述 | 第51页 |
| ·遗传算法的基本框架 | 第51-52页 |
| ·通常的属性约简方法 | 第52页 |
| ·基于遗传算法的粗糙集属性约简算法 | 第52页 |
| ·基于区分矩阵的遗传约简算法 | 第52-54页 |
| 第5章 实验过程与规则分析 | 第54-65页 |
| ·实验背景 | 第54页 |
| ·数据预处理 | 第54-55页 |
| ·处理遗漏数据 | 第54页 |
| ·处理噪声数据 | 第54-55页 |
| ·处理不一致数据 | 第55页 |
| ·处理数据离散化 | 第55页 |
| ·属性约简 | 第55-56页 |
| ·约简后数据统计 | 第56-59页 |
| ·基于粗糙集的关联规则生成 | 第59-61页 |
| ·规则生成 | 第59-61页 |
| ·规则解读 | 第61页 |
| ·改进的Apriori算法的关联规则生成 | 第61-65页 |
| ·规则生成 | 第61-62页 |
| ·规则解读 | 第62-65页 |
| 第6章 总结与展望 | 第65-67页 |
| ·论文总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
