| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景及研究意义 | 第8-9页 |
| ·研究进展 | 第9-15页 |
| ·国外研究进展 | 第9-14页 |
| ·国内研究进展 | 第14-15页 |
| ·研究的主要内容与思路 | 第15-17页 |
| ·研究的主要内容 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 犯罪时空分布特征研究路线与主要方法 | 第17-29页 |
| ·技术路线 | 第17-18页 |
| ·研究的方法 | 第18-29页 |
| ·空间自相关方法 | 第19-21页 |
| ·多维数据可视化 | 第21-23页 |
| ·犯罪热点分析与可视化 | 第23-27页 |
| ·犯罪时间分析预测 | 第27-29页 |
| 第三章 资料收集及数据准备 | 第29-37页 |
| ·研究区概况 | 第29页 |
| ·研究数据的统计和预处理 | 第29-37页 |
| 第四章 基于面域统计数据的案件时空分布特征与可视化 | 第37-49页 |
| ·福州市盗窃犯罪率的全局空间自相关检验 | 第37-40页 |
| ·全局Moran's Ⅰ方法 | 第37-39页 |
| ·广义G统计方法 | 第39-40页 |
| ·福州市盗窃犯罪率的局部空间自相关检验 | 第40-43页 |
| ·局部Moran指数法 | 第40-41页 |
| ·Gi~*算法 | 第41-43页 |
| ·结果比较 | 第43页 |
| ·时空多维可视化分析 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于案发点数据的犯罪时空分布特征与可视化 | 第49-64页 |
| ·犯罪聚类分析 | 第49-51页 |
| ·最邻近指数法 | 第49-50页 |
| ·Ripley’K方法 | 第50-51页 |
| ·犯罪热点识别 | 第51-60页 |
| ·标准差椭圆 | 第52-53页 |
| ·层次聚类 | 第53-56页 |
| ·核密度估算 | 第56-58页 |
| ·热点识别 | 第58-60页 |
| ·犯罪时间序列预测分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 主要结论 | 第64-65页 |
| 不足与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第71页 |