基于公安信息的数据挖掘应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 概述 | 第9-14页 |
| ·引言 | 第9页 |
| ·数据挖掘的研究现状 | 第9-10页 |
| ·数据挖掘的应用 | 第10-11页 |
| ·公安信息化与数据挖掘 | 第11-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 数据挖掘技术 | 第14-22页 |
| ·数据挖掘的概念 | 第14-17页 |
| ·什么是数据挖掘 | 第14-16页 |
| ·数据挖掘的对象 | 第16页 |
| ·数据挖掘系统的分类 | 第16-17页 |
| ·数据挖掘的主要任务 | 第17-19页 |
| ·概念/类描述：特征化和区分 | 第17-18页 |
| ·分类 | 第18页 |
| ·关联规则 | 第18页 |
| ·聚类 | 第18-19页 |
| ·数据挖掘的主要方法 | 第19-22页 |
| ·决策树（Decision Tree） | 第19页 |
| ·神经网络（Neural Network） | 第19-20页 |
| ·规则归纳 | 第20页 |
| ·粗糙集方法(Rough) | 第20页 |
| ·遗传算法 | 第20页 |
| ·联机分析处理（OLAP） | 第20-21页 |
| ·可视化(Visualization) | 第21-22页 |
| 第3章 决策树在分析犯罪客观因素中的应用 | 第22-40页 |
| ·决策树ID3 算法 | 第22-25页 |
| ·ID3 算法在分析犯罪客观因素中的应用模型 | 第25-33页 |
| ·公安工作中ID3 算法存在的问题 | 第33-34页 |
| ·信息增益度法与实验结果分析 | 第34-40页 |
| ·信息增益度法 | 第34-38页 |
| ·改进后的结果分析 | 第38-40页 |
| 第4章 APRIORI 算法和公安信息挖掘 | 第40-53页 |
| ·引言 | 第40页 |
| ·关联规则的基本概念 | 第40-42页 |
| ·基本概念和问题描述 | 第40-41页 |
| ·关联规则的种类 | 第41-42页 |
| ·关联规则挖掘算法 | 第42-45页 |
| ·Apriori 算法 | 第42-44页 |
| ·由频繁项集产生关联规则 | 第44-45页 |
| ·提高Apriori 的有效性 | 第45页 |
| ·APRIORI 算法在公安信息挖掘中的应用 | 第45-53页 |
| ·关联规则挖掘在公安信息中的应用目标 | 第46页 |
| ·犯罪程度和客观因素的关联挖掘 | 第46-51页 |
| ·公安信息关联规则试验测试结果及评价 | 第51-53页 |
| 第5章 公安信息数据挖掘系统的设计与实现 | 第53-69页 |
| ·引言 | 第53页 |
| ·公安信息数据挖掘系统的设计 | 第53-55页 |
| ·公安信息数据挖掘系统的实现 | 第55-63页 |
| ·过程模型与系统组成 | 第55-56页 |
| ·系统模块与功能框 | 第56-61页 |
| ·系统的JAVA 实现 | 第61-63页 |
| ·功能仿真测试及分析 | 第63-69页 |
| ·仿真测试目的与测试环境 | 第63-64页 |
| ·选择数据集与转换数据集 | 第64-65页 |
| ·功能仿真测试与分析 | 第65-69页 |
| 第6章 总结和展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 成果 | 第72-73页 |
| 致谢 | 第73页 |
