基于数据挖掘的移动通信用户行为分析技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 手机定位数据 | 第9页 |
| 1.1.2 智慧旅游 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 国内外旅游服务的研究现状 | 第10-11页 |
| 1.3.2 国内外推荐系统的研究现状 | 第11-12页 |
| 1.4 本文研究内容 | 第12-13页 |
| 1.5 论文结构安排 | 第13-14页 |
| 第二章 相关理论与技术 | 第14-29页 |
| 2.1 移动通信定位技术 | 第14-17页 |
| 2.1.1 Cell-ID定位法 | 第14-15页 |
| 2.1.2 A-GPS定位技术 | 第15-16页 |
| 2.1.3 TDOA定位法 | 第16页 |
| 2.1.4 小结 | 第16-17页 |
| 2.2 关联推荐算法 | 第17-23页 |
| 2.2.1 Apriori算法 | 第18-19页 |
| 2.2.2 FP-Growth算法 | 第19-23页 |
| 2.3 Voronoi图最邻近查询理论 | 第23-28页 |
| 2.3.1 Voronoi图 | 第23-25页 |
| 2.3.1.1 定义与性质 | 第23页 |
| 2.3.1.2 生成方法 | 第23-25页 |
| 2.3.2 基于Voronoi图的最近邻查询算法 | 第25-28页 |
| 2.3.2.1 最近邻查询 | 第25页 |
| 2.3.2.2 Voronoi图最近邻相询 | 第25-28页 |
| 2.4 本章总结 | 第28-29页 |
| 第三章 数据预处理及旅游人群筛选 | 第29-36页 |
| 3.1 信令数据预处理 | 第29-32页 |
| 3.1.1 数据处理平台介绍 | 第29-30页 |
| 3.1.2 原始数据存储与匹配 | 第30-31页 |
| 3.1.3 无效数据的过滤 | 第31-32页 |
| 3.2 游客筛选算法 | 第32-34页 |
| 3.3 旅游数据简要分析 | 第34-35页 |
| 3.4 本章总结 | 第35-36页 |
| 第四章 改进关联规则算法的研究 | 第36-47页 |
| 4.1 Apriori算法的性能分析 | 第36-39页 |
| 4.1.1 Apriori算法的流程图 | 第36页 |
| 4.1.2 Apriori算法的运行过程 | 第36-38页 |
| 4.1.3 Apriori算法的性能分析 | 第38-39页 |
| 4.2 Apriori算法现有的优化方案 | 第39页 |
| 4.3 最长子序列的Apriori改进算法 | 第39-46页 |
| 4.3.1 改进算法的步骤 | 第40-43页 |
| 4.3.2 改进前后性能对比 | 第43-45页 |
| 4.3.3 改进算法的应用 | 第45-46页 |
| 4.4 本章总结 | 第46-47页 |
| 第五章 酒店推荐算法研究 | 第47-64页 |
| 5.1 路径相关的最近邻查询 | 第47-49页 |
| 5.1.1 路径中的最近邻(IRNN)算法 | 第47-48页 |
| 5.1.2 K-路径最近邻(k-PNN) | 第48页 |
| 5.1.3 旅行规划查询(TPQ) | 第48-49页 |
| 5.1.4 总结 | 第49页 |
| 5.2 加权Voronoi图的构建 | 第49-52页 |
| 5.2.1 加权Voronoi图定义 | 第49-50页 |
| 5.2.2 加权Voronoi图的生成 | 第50页 |
| 5.2.3 生长点权重的确定 | 第50-52页 |
| 5.3 基于加权Voronoi图的酒店推荐实现 | 第52-63页 |
| 5.3.1 技术流程 | 第52-53页 |
| 5.3.2 酒店权重的确定 | 第53-54页 |
| 5.3.3 加权Voronoi图的生成 | 第54-63页 |
| 5.3.3.1 实验开发平台 | 第54-55页 |
| 5.3.3.2 具体改进的算法以及实现 | 第55-63页 |
| 5.4 本章总结 | 第63-64页 |
| 第六章 总结与展望 | 第64-67页 |
| 6.1 全文工作总结 | 第64-65页 |
| 6.2 未来研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者攻读学位期间发表的学术论文目录 | 第72页 |
