K-Means聚类算法在犯罪数据挖掘中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-12页 |
| ·研究背景及意义 | 第10页 |
| ·国内外的研究现状 | 第10-11页 |
| ·研究意义与目的 | 第11-12页 |
| 第2章 数据挖掘分析 | 第12-16页 |
| ·数据挖掘产生与前景 | 第12页 |
| ·数据挖掘的定义 | 第12-13页 |
| ·数据挖掘采用的方法 | 第13-15页 |
| ·数据挖掘流程 | 第15-16页 |
| 第3章 数据分析处理 | 第16-22页 |
| ·业务数据说明 | 第16-19页 |
| ·代码(字典)管理 | 第16页 |
| ·数据整合过程异常处理措施 | 第16页 |
| ·数据整合过程中减小系统影响 | 第16-17页 |
| ·判断新鲜数据 | 第17-19页 |
| ·准备数据聚类 | 第19-22页 |
| ·数据的抽取、简单转换 | 第19-20页 |
| ·数据的清洗过滤 | 第20-21页 |
| ·数据的转换 | 第21页 |
| ·数据的集成和装载 | 第21页 |
| ·数据库的导入导出 | 第21-22页 |
| 第4章 系统设计 | 第22-32页 |
| ·数据库设计 | 第22-26页 |
| ·数据库设计原则 | 第22页 |
| ·元数据 | 第22-23页 |
| ·元数据管理 | 第23页 |
| ·数据库建设分析 | 第23-24页 |
| ·建设多主题数据库 | 第24-25页 |
| ·建立犯罪信息资源库 | 第25-26页 |
| ·功能模块设计 | 第26-32页 |
| ·公共数据交付模块 | 第28页 |
| ·K-means算法实实现模块 | 第28-29页 |
| ·改进K-means算法实现模块 | 第29-30页 |
| ·校正逼近模块 | 第30-31页 |
| ·系统展现模块 | 第31-32页 |
| 第5章 聚类模型建立 | 第32-40页 |
| ·聚类模型机理分析 | 第32-40页 |
| ·聚类的概念 | 第32-36页 |
| ·资金流异常检测 | 第36-37页 |
| ·物流与资金异常分析 | 第37-38页 |
| ·关联确定嫌疑人 | 第38-40页 |
| 第6章 算法与实验 | 第40-58页 |
| ·文本挖掘分析处理 | 第40-44页 |
| ·文本挖掘描述 | 第40页 |
| ·SHA-1分析处理 | 第40-41页 |
| ·文本SHA-1实现代码 | 第41-44页 |
| ·K-means算法 | 第44-49页 |
| ·K-means算法实现步骤 | 第44-46页 |
| ·实现K-means算法代码 | 第46-49页 |
| ·改进的K-means算法 | 第49-52页 |
| ·改进算法描述 | 第49-51页 |
| ·执行聚类算法 | 第51页 |
| ·选取合适的分类权值 | 第51-52页 |
| ·改进K-means实现 | 第52-58页 |
| ·改进K-means算法部分代码 | 第52-57页 |
| ·改进算法实验结果 | 第57-58页 |
| 第7章 总结与展望 | 第58-59页 |
| ·结论 | 第58页 |
| ·方向及展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果目录 | 第62-63页 |
| 致谢 | 第63页 |
