| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 人类行为研究背景 | 第9-12页 |
| 1.2 论文结构 | 第12-15页 |
| 第二章 人类行为模型 | 第15-23页 |
| 2.1 人类行为的时间模型 | 第15-19页 |
| 2.1.1 任务队列模型 | 第15-16页 |
| 2.1.2 基于记忆、节律、兴趣的模型 | 第16-18页 |
| 2.1.3 基于社交的模型 | 第18-19页 |
| 2.2 人类行为的空间模型 | 第19-23页 |
| 2.2.1 偏好返回模型 | 第19-20页 |
| 2.2.2 信息熵优化模型 | 第20页 |
| 2.2.3 周期性随机游走模型 | 第20-23页 |
| 第三章 重尾分布 | 第23-31页 |
| 3.1 从泊松过程到幂律分布 | 第23-25页 |
| 3.2 典型的重尾分布 | 第25-27页 |
| 3.2.1 重尾分布 | 第25页 |
| 3.2.2 Pareto定律 | 第25-26页 |
| 3.2.3 Lognormal分布 | 第26页 |
| 3.2.4 幂律分布 | 第26-27页 |
| 3.3 模型评估方法 | 第27-31页 |
| 3.3.1 Kolmogorov-Smirnov检验 | 第27-28页 |
| 3.3.2 相关分析 | 第28-31页 |
| 第四章 移动用户上网行为分析 | 第31-41页 |
| 4.1 数据集介绍 | 第31-32页 |
| 4.1.1 数据集特点 | 第31页 |
| 4.1.2 数据预处理 | 第31-32页 |
| 4.2 移动互联网的业务流量分析 | 第32-33页 |
| 4.3 业务上下行流量的特点 | 第33-34页 |
| 4.4 记录的流量分布 | 第34-35页 |
| 4.5 用户上网流量和频率特点 | 第35-36页 |
| 4.6 阵发性和记忆性 | 第36-38页 |
| 4.7 周期性和波动性 | 第38-39页 |
| 4.8 本章小结 | 第39-41页 |
| 第五章 移动用户时间规律研究 | 第41-59页 |
| 5.1 数据处理 | 第41-44页 |
| 5.1.1 群体建模方法 | 第42-43页 |
| 5.1.2 个体建模方法 | 第43-44页 |
| 5.2 web业务时间间隔模型 | 第44-48页 |
| 5.2.1 网页浏览业务的研究进展 | 第44-45页 |
| 5.2.2 Web业务的群体模型 | 第45-46页 |
| 5.2.3 个体模型 | 第46-47页 |
| 5.2.4 内容小结 | 第47-48页 |
| 5.3 即时通信业务的时间间隔模型 | 第48-52页 |
| 5.3.1 即使通信业务研究进展 | 第48页 |
| 5.3.2 即时通信业务的群体模型 | 第48-51页 |
| 5.3.3 个体模型 | 第51页 |
| 5.3.4 内容小结 | 第51-52页 |
| 5.4 流媒体业务的时间间隔模型 | 第52-56页 |
| 5.4.1 流媒体业务的群体模型 | 第52-55页 |
| 5.4.2 个体模型 | 第55-56页 |
| 5.4.3 内容小结 | 第56页 |
| 5.5 本章小结 | 第56-59页 |
| 第六章 结束语 | 第59-61页 |
| 6.1 内容总结 | 第59-60页 |
| 6.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |