基于数据挖掘的法官工作量评估方法研究

声明

摘要

插图索引

插表索引

第1章 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 研究目的

1．4 主要研究内容

1．5 论文组织结构

第2章 数据挖掘相关聚类算法

2．1 聚类的定义

2．2 聚类算法中数据类型和结构

2．3 数据质量

2．4 数据预处理

2．5 对象之间的相异性和相似性

2．6 聚类算法介绍

2．6．1 基于划分的聚类算法

2．6．2 基于层次的聚类

2．6．3 基于密度的聚类算法

2．6．4 基于网格的聚类算法

2．6．5 基于模型的聚类算法

2．7 本章小结

第3章 基于属性加权的改进K-means算法的研究与分析

3．1 K-means算法的原理

3．2 K-means算法的优缺点

3．3 基于属性加权的改进K-means算法

3．3．1 K值的选取

3．3．2 簇的划分

3．3．3 初始聚类中心点的选取问题

3．3．4 Delphi-AHP法属性权值的确定

3．3．5 Delphi-AHP法具体步骤和流程

3．3．6 改进的K-means算法流程图

3．3．7 实验及结果分析

本章小结

第4章 改进的Chameleon算法在法官工作量评估方面的应用

4．1 层次聚类算法介绍

4．2 Chameleon算法的概述

4．2．1 Chameleon算法的基本步骤和流程

4．3 改进的Chameleon算法

4．3．1 图划分方法的研究

4．3．2 改进的Chameleon算法原理和基本流程

4．3．3 改进后的Chameleon算法流程图

4．3．4 实验及结果分析

4．4 本章小结

结论

参考文献

攻读学位期间所参加的项目

致谢