警务大数据系统与犯罪预测软件研究开发
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 相关技术的国内外发展现状 | 第8-10页 |
| 1.2.1 犯罪预警技术现状 | 第8-9页 |
| 1.2.2 大数据分析技术简介 | 第9页 |
| 1.2.3 大数据分析平台发展 | 第9-10页 |
| 1.3 研究开发内容 | 第10页 |
| 1.4 论文的组织与安排 | 第10-12页 |
| 2 相关理论与技术 | 第12-20页 |
| 2.1 大数据相关技术 | 第12-16页 |
| 2.1.1 Spark简介 | 第12-13页 |
| 2.1.2 Spark的核心 | 第13-14页 |
| 2.1.3 Spark的工作原理 | 第14-15页 |
| 2.1.4 存储系统 | 第15-16页 |
| 2.2 机器学习与Spark MLlib | 第16-17页 |
| 2.3 犯罪分析预测技术 | 第17-19页 |
| 2.3.1 数据分析技术简介 | 第17-18页 |
| 2.3.2 犯罪预测方法 | 第18-19页 |
| 2.4 本章总结 | 第19-20页 |
| 3 犯罪预测算法 | 第20-28页 |
| 3.1 决策树算法 | 第20-22页 |
| 3.2 聚类算法 | 第22-24页 |
| 3.3 关联规则 | 第24-26页 |
| 3.4 本章总结 | 第26-28页 |
| 4 警务大数据系统分析与设计 | 第28-38页 |
| 4.1 系统需求分析 | 第28-31页 |
| 4.1.1 系统基本需求 | 第28-29页 |
| 4.1.2 系统用例分析 | 第29-31页 |
| 4.2 警务大数据系统软件模块结构设计 | 第31-32页 |
| 4.3 数据存储系统设计 | 第32-37页 |
| 4.3.1 数据的预处理 | 第32-34页 |
| 4.3.2 系统E-R图 | 第34-35页 |
| 4.3.3 数据的存储 | 第35-37页 |
| 4.4 本章总结 | 第37-38页 |
| 5 警务大数据系统的实现 | 第38-58页 |
| 5.1 面向警务大数据系统的Spark环境搭建 | 第38-40页 |
| 5.2 数据的转换 | 第40-41页 |
| 5.3 系统主要软件包的实现 | 第41-44页 |
| 5.3.1 犯罪预测包的实现 | 第41-42页 |
| 5.3.2 警务数据查询包的实现 | 第42-43页 |
| 5.3.3 警务决策包的实现 | 第43-44页 |
| 5.4 模型的训练和测试 | 第44-50页 |
| 5.4.1 基于决策树犯罪预测模型的训练与测试 | 第44-46页 |
| 5.4.2 基于关联规则犯罪预测模型的训练与测试 | 第46-47页 |
| 5.4.3 基于聚类算法犯罪预测模型的训练与测试 | 第47-50页 |
| 5.5 系统部署 | 第50-52页 |
| 5.6 系统界面展示 | 第52-56页 |
| 5.7 本章总结 | 第56-58页 |
| 6 总结与展望 | 第58-59页 |
| 6.1 工作总结 | 第58页 |
| 6.2 工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-61页 |
