| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题背景及研究意义 | 第13-15页 |
| 1.2 相关工作 | 第15-17页 |
| 1.3 本文工作 | 第17-19页 |
| 1.4 论文组织 | 第19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 关键技术介绍 | 第20-24页 |
| 2.1 相似性度量 | 第20-21页 |
| 2.2 聚类算法 | 第21-22页 |
| 2.2.1 Kmeans算法 | 第21页 |
| 2.2.2 Dbscan算法 | 第21-22页 |
| 2.3 PrefixSpan算法 | 第22页 |
| 2.4 复杂网络中的社群发现 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 数据集介绍及预处理 | 第24-30页 |
| 3.1 数据集介绍 | 第24-27页 |
| 3.2 数据预处理 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 移动图模型构建 | 第30-40页 |
| 4.1 访问地点发现 | 第30-33页 |
| 4.1.1 停留点提取 | 第30-32页 |
| 4.1.2 停留点聚类 | 第32-33页 |
| 4.2 移动图模型构建 | 第33-35页 |
| 4.3 实验结果及分析 | 第35-38页 |
| 4.3.1 访问地点发现实验 | 第35-37页 |
| 4.3.2 移动图模型构建实验 | 第37-38页 |
| 4.4 本章小结 | 第38-40页 |
| 第5章 基于WiFi扫描列表的用户移动特性发现 | 第40-53页 |
| 5.1 频繁轨迹发现 | 第40-41页 |
| 5.2 基于频繁轨迹的用户群体移动模式发现 | 第41-43页 |
| 5.3 用户区域活动特性发现 | 第43-47页 |
| 5.3.1 活动区域发现 | 第43-44页 |
| 5.3.2 基于活动区域的用户移动性定义 | 第44-47页 |
| 5.4 实验结果及分析 | 第47-52页 |
| 5.4.1 频繁轨迹挖掘实验 | 第47-48页 |
| 5.4.2 基于频繁轨迹的用户群体移动模式发现实验 | 第48-51页 |
| 5.4.3 用户区域活动特性发现实验 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 用户作息规律挖掘 | 第53-67页 |
| 6.1 重要地点语义推理 | 第53-55页 |
| 6.1.1 地点特征构建 | 第53-54页 |
| 6.1.2 重要地点聚类 | 第54-55页 |
| 6.2 用户作息规律挖掘 | 第55-57页 |
| 6.2.1 在家的行为模式发现 | 第55-56页 |
| 6.2.2 在工作地点的行为模式发现 | 第56-57页 |
| 6.3 实验结果及分析 | 第57-66页 |
| 6.3.1 地点语义推理实验 | 第57-60页 |
| 6.3.2 用户在家的行为模式实验 | 第60-63页 |
| 6.3.3 用户在工作地点的行为模式实验 | 第63-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第7章 工作总结及未来展望 | 第67-70页 |
| 7.1 工作总结 | 第67-68页 |
| 7.2 未来展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73-74页 |
| 致谢 | 第74页 |