| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1. 引言 | 第11-19页 |
| 1.1. 研究背景及意义 | 第11-13页 |
| 1.1.1. 研究背景 | 第11-12页 |
| 1.1.2. 研究意义 | 第12-13页 |
| 1.2. 数据挖掘技术在犯罪因素上的研究现状 | 第13-17页 |
| 1.2.1. 国外研究现状 | 第13-15页 |
| 1.2.2. 国内研究现状 | 第15-17页 |
| 1.3. 研究内容 | 第17页 |
| 1.4. 论文研究方法 | 第17页 |
| 1.5. 论文组织结构 | 第17-19页 |
| 2. 理论和技术概述 | 第19-26页 |
| 2.1. 社区犯罪的概念 | 第19页 |
| 2.2. 数据挖掘背景及应用介绍 | 第19-20页 |
| 2.2.1. 数据挖掘的定义 | 第19-20页 |
| 2.2.2. 数据挖掘的过程 | 第20页 |
| 2.3. 常用的数据挖掘方法概述 | 第20-23页 |
| 2.3.1. 支持向量机 | 第21-22页 |
| 2.3.2. K-MEANS | 第22-23页 |
| 2.4. 多元数据的处理方法 | 第23-26页 |
| 2.4.1. 缺失数据的填充 | 第23-24页 |
| 2.4.2. 数据的标准化 | 第24-25页 |
| 2.4.3. 多元数据的降维方法 | 第25-26页 |
| 3. 基于数据挖掘的社区犯罪率分析与预测体系结构设计 | 第26-37页 |
| 3.1. 通过数据挖掘技术理解用户需求 | 第26-27页 |
| 3.2. 数据的选择 | 第27-29页 |
| 3.2.1. 犯罪数据的选择 | 第27页 |
| 3.2.2. 社区数据的选择 | 第27-29页 |
| 3.3. 社区数据与相关犯罪数据集成 | 第29-30页 |
| 3.3.1. 社区数据与相关犯罪数据的读取 | 第29页 |
| 3.3.2. 数据集成与规约 | 第29-30页 |
| 3.4. 数据预处理 | 第30-32页 |
| 3.4.1. 缺失值的填补 | 第30-31页 |
| 3.4.2. 数据标准化 | 第31-32页 |
| 3.5. 挖掘体系的探索与选择 | 第32-33页 |
| 3.6. 体系的结构设计 | 第33-35页 |
| 3.7. 挖掘结果评价与反馈 | 第35-36页 |
| 3.8. 数据挖掘软件的选用 | 第36-37页 |
| 4. 基于数据挖掘的社区犯罪率分析与预测体系的实例分析 | 第37-63页 |
| 4.1. 数据的收集与整理 | 第37-41页 |
| 4.2. 多元化社区及犯罪数据的预处理 | 第41-45页 |
| 4.2.1. 基于拉格朗日插值法的缺失值填补 | 第41-42页 |
| 4.2.2. Z-SCORE数据标准化 | 第42-43页 |
| 4.2.3. 基于PCA方法的数据降维 | 第43-45页 |
| 4.3. 社区犯罪率分析 | 第45-49页 |
| 4.3.1. 数据离散化处理 | 第45页 |
| 4.3.2. 基于K-MEANS社区分类 | 第45-49页 |
| 4.4. 影响社区犯罪率的关键特征筛选 | 第49-54页 |
| 4.4.1. 基于岭回归的关键特征筛选 | 第49-52页 |
| 4.4.2. 基于LASSO回归的关键特征筛选 | 第52-54页 |
| 4.5. 基于SVM的犯罪率预测 | 第54-56页 |
| 4.6. 影响社区犯罪数量的均衡解探索分析 | 第56-61页 |
| 4.7. 挖掘结果分析 | 第61-63页 |
| 5. 总结与展望 | 第63-65页 |
| 5.1. 总结 | 第63页 |
| 5.2. 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69-71页 |
| 学位论文数据集 | 第71页 |