| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 快递员行为分析及违法犯罪研究现状 | 第12-14页 |
| 1.2.2 基于数据挖掘的行为特征分析研究现状 | 第14-16页 |
| 1.2.3 相关算法研究现状 | 第16-18页 |
| 1.3 研究内容 | 第18-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 相关理论概述 | 第21-38页 |
| 2.1 数据挖掘研究 | 第21-23页 |
| 2.1.1 数据挖掘的定义 | 第21-22页 |
| 2.1.2 数据挖掘的基本流程 | 第22-23页 |
| 2.1.3 数据挖掘的方法 | 第23页 |
| 2.2 聚类算法的选择 | 第23-31页 |
| 2.2.1 聚类算法的描述 | 第24-25页 |
| 2.2.2 聚类算法的分类 | 第25-27页 |
| 2.2.3 聚类算法的性能要求及有效性评价 | 第27-30页 |
| 2.2.4 k-means聚类算法的应用 | 第30-31页 |
| 2.3 分类算法的选择 | 第31-37页 |
| 2.3.1 分类算法的性能 | 第33-34页 |
| 2.3.2 贝叶斯理论概论 | 第34-35页 |
| 2.3.3 朴素贝叶斯分类算法的选择 | 第35-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 X公司快递员现状及问题分析 | 第38-42页 |
| 3.1 X公司简介 | 第38-39页 |
| 3.2 X公司快递员现状分析 | 第39-40页 |
| 3.3 X公司快递员违法犯罪问题分析的必要性 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于遗传k-means算法的优化 | 第42-53页 |
| 4.1 基于熵权的特征属性选择 | 第42-44页 |
| 4.2 遗传k-means算法的优化 | 第44-50页 |
| 4.2.1 遗传算法的参数选择 | 第44-47页 |
| 4.2.2 均衡判别函数的选择 | 第47-48页 |
| 4.2.3 优化算法的描述 | 第48-50页 |
| 4.3 仿真实验及结果分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 快递员违法犯罪行为判别分析及相关建议 | 第53-69页 |
| 5.1 快递员数据来源与清洗 | 第53页 |
| 5.2 快递员特征属性指标的构建 | 第53-62页 |
| 5.2.1 基本信息分析 | 第53-57页 |
| 5.2.2 行为特征分析 | 第57-60页 |
| 5.2.3 工作满意度信息分析 | 第60-62页 |
| 5.3 基于加权的遗传k-means算法的快递员聚类分析 | 第62-64页 |
| 5.3.1 快递员特征属性的选择 | 第62-63页 |
| 5.3.2 快递员的聚类结果分析 | 第63-64页 |
| 5.4 基于朴素贝叶斯分类算法的犯罪倾向判别 | 第64-67页 |
| 5.4.1 朴素贝叶斯分类算法的应用 | 第64-66页 |
| 5.4.2 分类结果与分析 | 第66-67页 |
| 5.5 X公司快递员违法犯罪行为特征分析与建议 | 第67-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 研究总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-83页 |
| 致谢 | 第83页 |