| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-11页 |
| ·研究背景 | 第6-7页 |
| ·研究目的和意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·本文的主要研究成果及内容安排 | 第9-10页 |
| ·本文的主要创新点 | 第10-11页 |
| 第二章 数据挖掘的基本知识 | 第11-20页 |
| ·数据挖掘的定义 | 第11-12页 |
| ·数据挖掘的基本过程 | 第12-14页 |
| ·数据挖掘的任务 | 第14页 |
| ·数据挖掘及其相关技术 | 第14-17页 |
| ·有效的和可伸缩的频繁项集挖掘方法 | 第15页 |
| ·分类方法 | 第15页 |
| ·聚类分析方法 | 第15-16页 |
| ·时间序列挖掘预测方法 | 第16-17页 |
| ·Web数据挖掘技术 | 第17页 |
| ·数据挖掘的应用分析 | 第17-19页 |
| ·通用挖掘产品 | 第17-18页 |
| ·专用挖掘产品 | 第18页 |
| ·国内的数据挖掘应用 | 第18-19页 |
| ·数据挖掘的应用探索 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 出入境管理信息系统 | 第20-28页 |
| ·出入境管理概述 | 第20页 |
| ·出入境管理信息系统 | 第20-26页 |
| ·出入境管理系统结构 | 第21-23页 |
| ·出入境管理系统功能 | 第23-26页 |
| ·出入境管理信息库 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 出入境管理中的数据挖掘 | 第28-48页 |
| ·出入境管理中的数据的特点 | 第28页 |
| ·出入境管理中的数据挖掘过程 | 第28-36页 |
| ·关联规则的挖掘 | 第28-36页 |
| ·数据准备 | 第31-32页 |
| ·量化属性字段的离散化处理 | 第32-33页 |
| ·Apriori算法挖掘过程 | 第33-35页 |
| ·出入境管理数据中关联规则测试结果及评价 | 第35-36页 |
| ·应用案例 | 第36-46页 |
| ·利用朴素贝叶斯分类预测出入境情况 | 第36-38页 |
| ·使用决策树方法预测入境人员的犯罪风险 | 第38-46页 |
| ·入境人员数据分类的重要性 | 第40-41页 |
| ·基于决策树的常住外籍人员犯罪风险预测模型挖掘 | 第41-46页 |
| ·常住外籍人员犯罪风险预测模型示例 | 第42-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 相关分析在出入境管理中的应用 | 第48-53页 |
| ·相关分析 | 第48页 |
| ·控制对象管理数据信息各变量之间的相关分析 | 第48-51页 |
| ·使用提升度的相关分析技术对国家工作人员报备数据信息库进行挖掘 | 第48-50页 |
| ·使用才的相关分析技术对法定不准出境人员数据信息库进行挖掘 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 总结和展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-56页 |
| 附录 | 第56-57页 |