| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 相关理论基础 | 第15-27页 |
| 2.1 Spark简介 | 第15-22页 |
| 2.1.1 Spark和Hadoop | 第15页 |
| 2.1.2 Spark的体系架构 | 第15-16页 |
| 2.1.3 弹性分布式数据集RDD | 第16-17页 |
| 2.1.4 Spark特性 | 第17页 |
| 2.1.5 Spark任务执行流程 | 第17-21页 |
| 2.1.6 Spark的生态系统 | 第21-22页 |
| 2.2 虚拟身份的数据挖掘 | 第22-24页 |
| 2.2.1 分类任务 | 第22-23页 |
| 2.2.2 聚类任务 | 第23页 |
| 2.2.3 孤立点分析 | 第23-24页 |
| 2.3 朴素贝叶斯方法 | 第24-26页 |
| 2.3.1 朴素贝叶斯方法定义和原理 | 第24页 |
| 2.3.2 贝叶斯模型概述 | 第24页 |
| 2.3.3 学习(参数估计) | 第24-25页 |
| 2.3.4 分类 | 第25页 |
| 2.3.5 拉普拉斯平滑 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 网络虚拟身份数据挖掘系统架构 | 第27-35页 |
| 3.1 网络虚拟身份数据挖掘系统简介 | 第27页 |
| 3.2 网络虚拟身份数据挖采集模块 | 第27-29页 |
| 3.3 数据预处理模块 | 第29-33页 |
| 3.3.1 采集数据存储到HDFS | 第29-31页 |
| 3.3.2 同一用户的不同虚拟身份合并 | 第31-33页 |
| 3.4 数据分析模块 | 第33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 网络虚拟身份数据挖掘算法实现 | 第35-54页 |
| 4.1 概述 | 第35页 |
| 4.2 虚拟身份数据采集 | 第35-36页 |
| 4.3 输入数据前期处理 | 第36-40页 |
| 4.3.1 去除无用的数据字段 | 第36-37页 |
| 4.3.2 虚拟身份的轨迹表示方式 | 第37-39页 |
| 4.3.3 虚拟身份轨迹的分类 | 第39-40页 |
| 4.4 马尔可夫链 | 第40-53页 |
| 4.4.1 马尔可夫链与马尔可夫性质 | 第40页 |
| 4.4.2 齐次马尔可夫链和k阶马尔可夫转移概率 | 第40-41页 |
| 4.4.3 利用马尔可夫链进行轨迹预测的思路 | 第41-44页 |
| 4.4.4 轨迹预测准确率测试 | 第44-46页 |
| 4.4.5 轨迹预测结果分析 | 第46-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于Spark改进贝叶斯方法轨迹预测 | 第54-67页 |
| 5.1 改进贝叶斯方法轨迹预测概述 | 第54-55页 |
| 5.2 输入数据前期处理 | 第55-57页 |
| 5.3 改进贝叶斯方法轨迹预测的算法描述 | 第57-61页 |
| 5.3.1 基于朴素贝叶斯推理方法的轨迹预测 | 第57-58页 |
| 5.3.2 基于改进贝叶斯方法的轨迹预测原理 | 第58页 |
| 5.3.3 原始马尔可夫模型的构造 | 第58-60页 |
| 5.3.4 长轨迹分解子轨迹 | 第60-61页 |
| 5.3.5 计算先验概率 | 第61页 |
| 5.4 基于Spark平台实现MBI的轨迹预测过程 | 第61-66页 |
| 5.4.1 Spark平台环境 | 第62-63页 |
| 5.4.2 预测结果分析 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |