| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源及背景与意义 | 第10-12页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 网络用户行为分析研究现状 | 第12-14页 |
| 1.2.2 公交Wi-Fi网络用户行为分析研究现状 | 第14-15页 |
| 1.3 论文结构 | 第15-18页 |
| 第2章 网络用户行为分析概要 | 第18-26页 |
| 2.1 公交Wi-Fi网络用户行为相关概念 | 第18-20页 |
| 2.1.1 网络用户行为的定义 | 第18页 |
| 2.1.2 网络用户行为的分类 | 第18-19页 |
| 2.1.3 网络用户行为的表示 | 第19-20页 |
| 2.2 网络用户行为分析流程 | 第20-21页 |
| 2.3 网络用户行为分析的相关技术 | 第21-25页 |
| 2.3.1 数据挖掘 | 第21-22页 |
| 2.3.2 数据预处理 | 第22-23页 |
| 2.3.3 相似性度量 | 第23-24页 |
| 2.3.4 聚类方法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 用户上网时段行为模式挖掘 | 第26-42页 |
| 3.1 数据来源 | 第26-27页 |
| 3.2 用户上网时间分布向量的表示 | 第27-28页 |
| 3.3 用户上网时间分布的近相似性 | 第28-31页 |
| 3.3.1 用户上网时间分布近相似性的概念 | 第28页 |
| 3.3.2 近相似性规律的验证 | 第28-31页 |
| 3.4 改进的层次聚类算法 | 第31-41页 |
| 3.4.1 算法改进原理 | 第32-37页 |
| 3.4.2 实验结果及分析 | 第37-38页 |
| 3.4.3 算法评价 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 用户访问内容行为模式挖掘 | 第42-66页 |
| 4.1 数据来源 | 第42-43页 |
| 4.2 上网访问数据预处理 | 第43-49页 |
| 4.2.1 上网访问特征分析 | 第43-44页 |
| 4.2.2 网站分类 | 第44-48页 |
| 4.2.3 数据向量化 | 第48-49页 |
| 4.3 上网访问数据整体分析 | 第49-51页 |
| 4.4 改进的访问内容行为模式挖掘模型 | 第51-63页 |
| 4.4.1 模型的提出 | 第51-53页 |
| 4.4.2 基于TF-IDF的数据加权处理 | 第53-54页 |
| 4.4.3 基于SVD的数据降维处理 | 第54-55页 |
| 4.4.4 基于改进K-means算法的聚类分析 | 第55-59页 |
| 4.4.5 实验结果及分析 | 第59-61页 |
| 4.4.6 模型评估 | 第61-63页 |
| 4.5 用户行为模式关联分析 | 第63-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第5章 公交Wi-Fi网络用户行为分析系统的设计与实现 | 第66-76页 |
| 5.1 系统功能和目标 | 第66页 |
| 5.2 系统框架 | 第66-68页 |
| 5.3 子模块的设计与实现 | 第68-72页 |
| 5.3.1 数据接入 | 第68-69页 |
| 5.3.2 数据预处理 | 第69-70页 |
| 5.3.3 数据分析挖掘 | 第70-71页 |
| 5.3.4 数据存储 | 第71-72页 |
| 5.4 系统可视化展示 | 第72-74页 |
| 5.5 网络用户行为分析系统的应用 | 第74-75页 |
| 5.6 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 本文主要研究成果 | 第76-77页 |
| 6.2 未来工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读学位期间发表的学术成果及参与的科研项目 | 第82页 |