基于社交媒体的人类移动时空规律研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于多样数据的研究 | 第10-11页 |
| 1.2.2 基于模型和理论的研究 | 第11-12页 |
| 1.3 研究内容及意义 | 第12-13页 |
| 1.4 文章组织结构 | 第13-14页 |
| 2 背景知识介绍 | 第14-22页 |
| 2.1 人类活动相关概念 | 第14页 |
| 2.2 回归分析方法 | 第14-15页 |
| 2.3 DBSCAN聚类方法 | 第15-16页 |
| 2.4 K-Means聚类方法 | 第16-17页 |
| 2.5 Markov模型 | 第17-20页 |
| 2.5.1 传统Markov模型 | 第17-18页 |
| 2.5.2 转移矩阵 | 第18-19页 |
| 2.5.3 加入时间因素的Markov模型 | 第19-20页 |
| 2.6 时空路径理论 | 第20-21页 |
| 2.6.1 时间地理学 | 第20-21页 |
| 2.6.2 时空路径 | 第21页 |
| 2.7 本章小结 | 第21-22页 |
| 3 新浪微博数据获取 | 第22-27页 |
| 3.1 新浪微博数据的获取方法 | 第22-25页 |
| 3.1.1 新浪微博API | 第22-24页 |
| 3.1.2 网页爬虫 | 第24-25页 |
| 3.2 数据获取方案 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 人类移动的位置转换探测 | 第27-41页 |
| 4.1 数据预处理 | 第27-28页 |
| 4.2 活动提取 | 第28页 |
| 4.3 活动位置转换探测 | 第28-34页 |
| 4.3.1 活动位置探测方法 | 第28-29页 |
| 4.3.2 活动位置转换探测方法 | 第29-32页 |
| 4.3.3 综合算法介绍 | 第32-34页 |
| 4.4 实验与分析 | 第34-38页 |
| 4.4.1 ECharts介绍 | 第34-36页 |
| 4.4.2 个体活动探测 | 第36-37页 |
| 4.4.3 群体活动探测 | 第37-38页 |
| 4.5 效果验证 | 第38-40页 |
| 4.6 本章小结 | 第40-41页 |
| 5 人类移动的时空路径挖掘 | 第41-52页 |
| 5.1 活动聚类 | 第41-42页 |
| 5.2 多条时空路径获取方法 | 第42-44页 |
| 5.2.1 多条时空路径原理 | 第42-43页 |
| 5.2.2 参数控制 | 第43-44页 |
| 5.3 时空路径生成 | 第44-46页 |
| 5.3.1 路径概率计算 | 第44-45页 |
| 5.3.2 多条路径获取 | 第45-46页 |
| 5.4 时空路径分类研究 | 第46-50页 |
| 5.4.1 时空路径分类 | 第46-48页 |
| 5.4.2 时间模式分析 | 第48-49页 |
| 5.4.3 空间分布分析 | 第49-50页 |
| 5.5 本章小结 | 第50-52页 |
| 6 总结 | 第52-55页 |
| 6.1 本文方法回顾 | 第52-53页 |
| 6.2 研究展望 | 第53-55页 |
| 攻读硕士学位期间参加项目情况 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-61页 |
