基于行为变化的恐怖预测算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-27页 |
| 2.1 特征选择 | 第16-22页 |
| 2.1.1 特征提取和特征选择的区别 | 第16页 |
| 2.1.2 特征选择的基本框架 | 第16-17页 |
| 2.1.3 搜索策略 | 第17-18页 |
| 2.1.4 评价准则 | 第18-22页 |
| 2.2 贝叶斯分类方法 | 第22-23页 |
| 2.3 谱聚类 | 第23-25页 |
| 2.4 MAROB数据集 | 第25-26页 |
| 2.4.1 MAROB数据集的结构 | 第25-26页 |
| 2.4.2 MAROB数据集的特点 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于行为变化和贝叶斯方法的恐怖预测算法 | 第27-38页 |
| 3.1 已有算法的局限性 | 第27-28页 |
| 3.2 变化表 | 第28-31页 |
| 3.2.1 原始的变化表 | 第28-29页 |
| 3.2.2 改进的变化表 | 第29-30页 |
| 3.2.3 改进的h-变化表 | 第30-31页 |
| 3.3 基于变化表和贝叶斯方法的恐怖预测算法 | 第31-34页 |
| 3.3.1 单变化表预测方法 | 第31-33页 |
| 3.3.2 多步加权贝叶斯预测方法 | 第33-34页 |
| 3.4 实验与分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于行为变化和谱聚类的背景特征选择 | 第38-49页 |
| 4.1 背景数据对预测算法的影响分析 | 第38-39页 |
| 4.2 基于谱聚类的背景子空间提取算法 | 第39-41页 |
| 4.2.1 亲和矩阵的构建与计算 | 第39-40页 |
| 4.2.2 算法的分析 | 第40-41页 |
| 4.3 针对行为变化的背景特征选择算法 | 第41-44页 |
| 4.4 实验与分析 | 第44-48页 |
| 4.4.1 相关性分析 | 第45页 |
| 4.4.2 实验结果 | 第45-47页 |
| 4.4.3 基于MWB的实验结果与分析 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 原型系统的设计与实现 | 第49-61页 |
| 5.1 原型系统运行环境及开发平台 | 第49页 |
| 5.2 系统设计原则 | 第49-50页 |
| 5.3 系统框架及模块设计 | 第50-52页 |
| 5.3.1 数据预处理模块 | 第51页 |
| 5.3.2 特征选择模块 | 第51-52页 |
| 5.3.3 行为预测模块 | 第52页 |
| 5.4 核心功能类的设计 | 第52-56页 |
| 5.4.1 数据预处理模块类 | 第52-53页 |
| 5.4.2 特征选择模块类 | 第53-55页 |
| 5.4.3 行为预测模块类 | 第55-56页 |
| 5.5 原型系统的实现 | 第56-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |
