| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 位置隐私 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-17页 |
| 1.3.1 研究问题 | 第15-16页 |
| 1.3.2 主要贡献 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第二章 研究背景和相关工作 | 第19-31页 |
| 2.1 基于位置的服务(Location Based Service) | 第19-22页 |
| 2.1.1 休闲娱乐型 | 第19-20页 |
| 2.1.2 生活服务型 | 第20页 |
| 2.1.3 社交型 | 第20-21页 |
| 2.1.4 商业型 | 第21-22页 |
| 2.2 定位与位置信息收集 | 第22-24页 |
| 2.3 位置信息保护 | 第24-25页 |
| 2.4 匿名数据集中的用户身份识别 | 第25-31页 |
| 2.4.1 基于贝叶斯方法的识别模型 | 第26-28页 |
| 2.4.2 基于位置档案的识别模型 | 第28-30页 |
| 2.4.3 方法总结和问题提出 | 第30-31页 |
| 第三章 基于异步参考信息的匿名路径集合中用户身份识别 | 第31-36页 |
| 3.1 同步与异步参考信息场景 | 第31-33页 |
| 3.2 问题形式化 | 第33-34页 |
| 3.2.1 相关定义和假设 | 第33-34页 |
| 3.2.2 问题定义 | 第34页 |
| 3.3 贝叶斯方法在异步信息条件下的分析 | 第34-36页 |
| 第四章 基于热点矩阵的识别方法 | 第36-46页 |
| 4.1 热点矩阵 | 第36-38页 |
| 4.2 热点矩阵相似度计算 | 第38-39页 |
| 4.2.1 向量夹角余弦值(Cosine Vector) | 第38-39页 |
| 4.2.2 频率分布向量(Frequency Distribution Vector) | 第39页 |
| 4.3 目标节点识别 | 第39-40页 |
| 4.4 实验验证 | 第40-46页 |
| 4.4.1 实验数据集 | 第40-41页 |
| 4.4.2 实验方法 | 第41-42页 |
| 4.4.3 实验结果及参数分析 | 第42页 |
| 4.4.4 相似度方法验证 | 第42-45页 |
| 4.4.5 贝叶斯方法比较 | 第45-46页 |
| 第五章 基于移动频谱的识别方法 | 第46-63页 |
| 5.1 用户的移动频谱 | 第46-49页 |
| 5.2 移动频谱的阈值选择 | 第49-50页 |
| 5.3 移动频谱相似度比较 | 第50-53页 |
| 5.3.1 重合区域(Overlap Region) | 第52页 |
| 5.3.2 杰卡德(Jaccard)相似系数 | 第52页 |
| 5.3.3 豪斯道夫(Hausdorff)距离 | 第52-53页 |
| 5.4 采用移动频谱进行识别 | 第53-54页 |
| 5.5 实验验证 | 第54-63页 |
| 5.5.1 实验方法 | 第54-56页 |
| 5.5.2 空间粒度分析 | 第56页 |
| 5.5.3 时间粒度分析 | 第56-58页 |
| 5.5.4 不同矩阵相似度比较方法对实验结果的影响 | 第58-59页 |
| 5.5.5 异步参考信息长度对实验结果的影响 | 第59-60页 |
| 5.5.6 与贝叶斯方法的比较 | 第60-62页 |
| 5.5.7 Top-K的识别准确率 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
