| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要内容 | 第15-16页 |
| 1.4 文章结构安排 | 第16-18页 |
| 第2章 犯罪行为的关联性分析 | 第18-27页 |
| 2.1 关联规则数据挖掘介绍 | 第18-20页 |
| 2.1.1 关联规则基本概念 | 第18-19页 |
| 2.1.2 关联规则挖掘步骤 | 第19页 |
| 2.1.3 关联规则挖掘基本算法 | 第19-20页 |
| 2.2 犯罪行为关联规则挖掘过程 | 第20-26页 |
| 2.2.1 数据预处理 | 第21-23页 |
| 2.2.2 基于FP-growth的犯罪数据关联算法 | 第23-24页 |
| 2.2.3 关联规则的生成与分析 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于分类技术的犯罪行为分析 | 第27-37页 |
| 3.1 分类概述 | 第27-28页 |
| 3.1.1 分类分析的基本概念 | 第27页 |
| 3.1.2 分类分析的基本方法 | 第27-28页 |
| 3.2 基于决策树算法的犯罪行为分析 | 第28-36页 |
| 3.2.1 决策树分类模型的工作过程 | 第28-30页 |
| 3.2.2 数据预处理 | 第30页 |
| 3.2.3 基于C4.5的犯罪数据分类算法 | 第30-33页 |
| 3.2.4 决策树的生成与分析 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于聚类技术的犯罪行为分析 | 第37-44页 |
| 4.1 聚类概述 | 第37-39页 |
| 4.1.1 聚类分析的基本概念 | 第37页 |
| 4.1.2 聚类分析的基本方法 | 第37-39页 |
| 4.2 基于密度聚类算法的犯罪行为分析 | 第39-43页 |
| 4.2.1 基于DBSCAN的犯罪数据聚类算法 | 第39-41页 |
| 4.2.2 聚类生成与分析 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 犯罪行为分析系统设计与实现 | 第44-56页 |
| 5.1 引言 | 第44页 |
| 5.2 系统结构设计 | 第44-48页 |
| 5.2.1 系统开发环境 | 第44页 |
| 5.2.2 系统结构设计 | 第44-45页 |
| 5.2.3 系统模块设计 | 第45-46页 |
| 5.2.4 系统数据库设计 | 第46-47页 |
| 5.2.5 系统流程设计 | 第47-48页 |
| 5.3 系统模块实现 | 第48-55页 |
| 5.3.1 用户登录模块 | 第48-49页 |
| 5.3.2 数据导入与查看 | 第49-51页 |
| 5.3.3 关联性分析模块 | 第51-52页 |
| 5.3.4 分类分析模块 | 第52-53页 |
| 5.3.5 聚类分析模块 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |