基于R语言的罪犯数据聚类研究
| ABSTRACT | 第1-3页 |
| 摘要 | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·本论文的研究背景 | 第6-7页 |
| ·国内外研究现状 | 第7-9页 |
| ·本论文的研究方法 | 第9-10页 |
| ·数据获取与初步分析 | 第9页 |
| ·数据清洗 | 第9页 |
| ·定义预测任务 | 第9-10页 |
| ·建立预测模型 | 第10页 |
| ·模型评价和选择 | 第10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 研究方法与工具的选择 | 第11-24页 |
| ·数据挖掘理论 | 第11-21页 |
| ·数据挖掘 | 第11-12页 |
| ·数据挖掘的功能 | 第12-21页 |
| ·概念与类描述 | 第12-13页 |
| ·关联分析 | 第13-17页 |
| ·分类和预测 | 第17页 |
| ·聚类分析 | 第17-20页 |
| ·孤立点分析 | 第20页 |
| ·演变分析 | 第20-21页 |
| ·数据挖掘工具 | 第21-23页 |
| ·Weka | 第21页 |
| ·R | 第21-22页 |
| ·Microsoft SQL Server | 第22页 |
| ·DB Miner | 第22页 |
| ·工具的选择 | 第22-23页 |
| ·数据聚类与罪犯分管分押 | 第23-24页 |
| 第三章 罪犯数据的预处理 | 第24-39页 |
| ·数据预处理 | 第24-28页 |
| ·数据清理 | 第24-25页 |
| ·空缺值 | 第24页 |
| ·噪声数据 | 第24-25页 |
| ·不一致数据 | 第25页 |
| ·数据集成与变换 | 第25-26页 |
| ·数据聚集 | 第25页 |
| ·数据变换 | 第25-26页 |
| ·数据规约 | 第26-28页 |
| ·维归约 | 第26-27页 |
| ·离散化和二元化 | 第27-28页 |
| ·罪犯数据预处理情况 | 第28-39页 |
| ·数据选择与清洗 | 第29-30页 |
| ·数据变换 | 第30-36页 |
| ·罪犯数据概况 | 第36-39页 |
| 第四章 罪犯数据聚类研究 | 第39-60页 |
| ·数据相似度 | 第39-40页 |
| ·k-means聚类分析 | 第40-50页 |
| ·k-means算法 | 第40页 |
| ·对数据进行聚类 | 第40-44页 |
| ·方法的改进 | 第44-50页 |
| ·层次聚类分析 | 第50-59页 |
| ·agnes聚类算法 | 第51页 |
| ·层次聚类中对象的距离与复杂度 | 第51-53页 |
| ·agnes聚类分析 | 第53-58页 |
| ·子树的划分 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第五章 模型评价 | 第60-68页 |
| ·聚类算法质量评价标准 | 第60-61页 |
| ·k-means算法评估 | 第61-66页 |
| ·非监督的簇评估 | 第61-63页 |
| ·监督的簇评估 | 第63-65页 |
| ·参与聚类属性的评估 | 第63-64页 |
| ·不参与聚类属性的评估 | 第64-65页 |
| ·K-means算法小结 | 第65-66页 |
| ·层次聚类算法评估 | 第66-68页 |
| 第六章 总结与期望 | 第68-70页 |
| ·本研究的实际意义 | 第68-69页 |
| ·不足与期望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72页 |
