论文摘要
随着国家对信息化建设的重视,公安部党委已经把信息化体系建设列为工作的头等大事,并制定了相应的对策进行推动实施。在海量的信息源中提取和分析有效的治安信息,提高数据获取速度和信息的准确性,依靠传统的手工分析方法远不能解决类似问题,必须有专业的技术进行辅助处理。也只有这样才能是治安工作真正适应信息化发展趋势,充分发挥治安信息科学汇总、分析及管理,Web数据挖掘就是针对研究此类问题而产生的技术。本论文主要解决利用Web数据挖掘技术从杂乱无章,毫无关联的海量网络信息中获取有效数据,为治安机关提供准确、快捷的数据基础。论文主要从以下几个方面进行阐述:文章首先对当今数据挖掘及Web数据挖掘技术进行概述,结合治安领域现状简单介绍Web挖掘在治安领域的应用情况。同时根据治安领域使用Web挖掘技术的要求,给出Web数据挖掘应用于治安管理系统中的思路。接着对传统的Apriori算法、K-means算法以及决策树基础知识以及算法进行详细的阐述。重点结合治安领域信息特性和工作需求,对相关算法进行优化使其满足治安信息化建设的工作需要,并利用实例阐明优化算法在治安工作中的应用。在研究Web数据挖掘技术在治安领域的应用情况后,结合现今治安信息化建设需求及治安机关日常工作要求,利用相关优化数据挖掘算法,从整体上对治安信息管理软件进行系统设计并实现,使其成为治安机关日常工作使用的科学分析工具,为治安工作带来实质性效益。总之,面对数据信息爆炸的现代社会,利用Web数据挖掘优化算法为治安领域准确、快速的提供有效信息是本论文的主要研究目的。利用研究成果结合计算机技术转化为实际可行的分析工具,提高治安机关日常工作效率。利用先进Web数据挖掘技术,促进治安信息化建设是时代的要求也是公安信息化革命趋势所趋,符合公安系统对信息管理工作的更高要求。
论文目录
中文摘要Abstract第一章 绪论1.1 研究背景及意义1.1.1 论文研究背景1.1.2 论文研究目的及意义1.2 国内外研究现状1.3 本文主要内容及章节安排1.3.1 本文主要内容1.3.2 本文章节安排第二章 Web数据挖掘技术概述2.1 数据挖掘与Web数据挖掘2.1.1 数据挖掘2.1.2 Web数据挖掘2.2 Web数据挖掘的分类2.2.1 Web内容挖掘2.2.2 Web结构挖掘2.2.3 Web使用挖掘2.3 Web数据挖掘的常用方法2.3.1 数据特征化2.3.2 关联规则发现2.3.3 分类规则2.3.4 聚类分析2.3.5 序列模式2.3.6 离群点分析2.4 Web数据挖掘的应用现状2.4.1 电子商务2.4.2 提高网络服务性能2.4.3 搜索引擎2.5 Web挖掘在治安领域的应用现状2.5.1 发现涉警信息热点2.5.2 加快破案速度2.5.3 发现违法犯罪模式2.5.4 发现跟踪高危群体2.6 章节小结第三章 关联规则挖掘在治安领域的应用3.1 关联规则挖掘的简介3.1.1 关联规则挖掘基本概念3.1.2 关联规则的分类3.2 Apriori关联规则算法3.2.1 Apriori算法的描述3.2.2 Apriori算法代码实现3.3 Apriori算法在治安系统中的优化算法3.3.1 典型Apriori算法在治安系统中存在的不足3.3.2 Apriori算法的优化及实现3.4 Apriori优化算法实例分析3.5 章节小结第四章 聚类分析算法在治安领域的应用4.1 聚类分析算法简介4.1.1 聚类分析的基本概念4.1.2 聚类分析算法分类4.2 经典的K-means算法4.2.1 K-means算法基本思想4.2.2 K-means算法具体实现4.3 治安系统中使用的改进K-means算法4.3.1 传统K-means算法存在的不足4.3.2 K-means改进算法的思路4.3.3 K-means改进算法的实现4.4 K-means改进算法实例分析4.5 章节小结第五章 决策树分类算法在治安领域的应用5.1 决策树定义5.2 治安系统中采用的决策树算法5.3 决策树实例分析5.4 章节小结第六章 治安管理系统的设计与实现6.1 需求分析6.1.1 本系统的主要功能需求6.1.2 系统角色划分6.2 总体设计6.2.1 系统结构6.2.2 软件架构6.3 数据库设计6.4 系统功能设计与实现6.4.1 系统管理模块6.4.2 居民信息管理模块6.4.3 网络监管模块6.4.4 警情信息分析模块6.5 Web DM模块设计6.5.1 主架构图6.5.2 架构说明6.6 系统测试6.6.1 测试的基本概念6.6.2 测试环境搭建6.6.3 测试目的6.7 测试结果分析6.8 章节小结第七章 结论与展望7.1 结论7.2 本文研究方向的展望参考文献致谢个人简历、在学期间发表的学术论文
相关论文文献
标签:数据挖掘论文; 数据库论文; 治安信息管理论文;