| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-13页 |
| ·移动网络的诞生 | 第9-10页 |
| ·个性化的网络服务 | 第10页 |
| ·社交网络的兴起 | 第10-11页 |
| ·无线网络中移动节点的社会关系 | 第11-13页 |
| ·研究目的 | 第13页 |
| ·研究内容 | 第13-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 相关研究及技术介绍 | 第16-28页 |
| ·移动网络用户轨迹收集 | 第16-18页 |
| ·轨迹数据分析 | 第18-20页 |
| ·一般统计学分析 | 第18-19页 |
| ·数据挖掘技术 | 第19-20页 |
| ·图分析技术 | 第20页 |
| ·移动性建模 | 第20-21页 |
| ·聚类算法 | 第21-27页 |
| ·层次化聚类算法 | 第22-23页 |
| ·划分式聚类算法 | 第23-25页 |
| ·基于密度和网格的聚类算法 | 第25-26页 |
| ·其他聚类算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于加权相似度的无线局域网社会关系组挖掘 | 第28-40页 |
| ·相关概念及定义 | 第28-29页 |
| ·关系组挖掘的处理流程 | 第29-30页 |
| ·数据集选择和表征建模 | 第30-33页 |
| ·数据集选择 | 第30-31页 |
| ·用户切片模型 | 第31-32页 |
| ·社会关系指标 | 第32-33页 |
| ·基于加权相似度的聚类算法 | 第33-39页 |
| ·聚类方法选择 | 第33-34页 |
| ·相似度度量 | 第34页 |
| ·AP 访问量 | 第34-36页 |
| ·加权相似度 | 第36-37页 |
| ·聚类算法实现 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 实验和分析 | 第40-48页 |
| ·BIPARETO 分布和KOLMOGOROV-SMIRNOV 检验 | 第40-41页 |
| ·加权相似度的分布 | 第41-43页 |
| ·聚类结果 | 第43-44页 |
| ·类簇大小分布 | 第44-45页 |
| ·潜在应用 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-51页 |
| ·本文总结 | 第48-50页 |
| ·未来展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间已发表或录用的论文 | 第57-60页 |
| 附件 | 第60页 |