基于通信数据的用户重要位置识别及区域功能发现
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-18页 |
| 1.1 课题研究背景 | 第12-14页 |
| 1.2 现有技术及其发展趋势 | 第14-16页 |
| 1.2.1 基于运营商端的用户数据 | 第14-15页 |
| 1.2.2 基于其他数据 | 第15-16页 |
| 1.3 本文研究的主要内容和组织结构 | 第16-18页 |
| 2 数据集 | 第18-32页 |
| 2.1 用户通信数据 | 第18-19页 |
| 2.1.1 原始日志数据 | 第18-19页 |
| 2.1.2 基站信息 | 第19页 |
| 2.1.3 APP相关信息 | 第19页 |
| 2.2 友好用户数据 | 第19-20页 |
| 2.3 数据的统计特性 | 第20-23页 |
| 2.4 APP-HOST匹配库的构建 | 第23-31页 |
| 2.4.1 APP网络访问行为的自动分析 | 第23-24页 |
| 2.4.2 匹配库补全 | 第24-27页 |
| 2.4.3 匹配库补全结果 | 第27-28页 |
| 2.4.4 FP-Growth | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 行为模式分析与重要位置识别 | 第32-45页 |
| 3.1 用户行为模式的刻画 | 第33-35页 |
| 3.2 行为模式分析方案 | 第35-40页 |
| 3.2.1 K-means | 第36-37页 |
| 3.2.2 轮廓系数 | 第37-38页 |
| 3.2.3 高维灾难 | 第38-39页 |
| 3.2.4 主成分分析 | 第39-40页 |
| 3.3 行为模式与重要位置 | 第40-44页 |
| 3.3.1 数量分布 | 第42-43页 |
| 3.3.2 行为模式构成 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 重要位置属性 | 第45-56页 |
| 4.1 分类模型 | 第45-49页 |
| 4.1.1 决策树 | 第45-48页 |
| 4.1.2 随机森林 | 第48-49页 |
| 4.2 模型构建 | 第49-50页 |
| 4.3 性能 | 第50-53页 |
| 4.4 重要特征 | 第53-55页 |
| 4.4.1 时间段 | 第53-54页 |
| 4.4.2 特征行为 | 第54页 |
| 4.4.3 APP使用行为 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 区域功能发现 | 第56-65页 |
| 5.1 核密度估计 | 第56-58页 |
| 5.2 KDE与区域功能发现 | 第58-59页 |
| 5.3 居住、办公区域分布 | 第59-64页 |
| 5.3.1 在基站位置上的分布 | 第59-60页 |
| 5.3.2 在空间上的分布(上海市) | 第60-62页 |
| 5.3.3 在空间上的分布(内环) | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-68页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 在学期间所取得的科研成果 | 第71页 |
