根据多维特征的网络用户分类研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-17页 |
| 第一章 绪论 | 第17-54页 |
| ·背景 | 第17-18页 |
| ·网络流量监测 | 第18-21页 |
| ·现状 | 第18页 |
| ·挑战和应对 | 第18-21页 |
| ·基于网络流量监测的用户行为分析 | 第21-22页 |
| ·网络用户行为分析 | 第21页 |
| ·基于网络流量监测的用户行为分析 | 第21-22页 |
| ·宽带网络业务 | 第22-38页 |
| ·Web类业务 | 第22-24页 |
| ·Volp业务 | 第24-26页 |
| ·P2P业务 | 第26-28页 |
| ·P2P下载 | 第28-30页 |
| ·P2P流媒体 | 第30-32页 |
| ·即时通信 | 第32-36页 |
| ·网络游戏 | 第36-38页 |
| ·业务识别技术 | 第38-50页 |
| ·业务识别方法 | 第38-44页 |
| ·DPI技术 | 第44-48页 |
| ·多核技术 | 第48-50页 |
| ·论文主要工作及贡献 | 第50-52页 |
| ·论文结构 | 第52-54页 |
| 第二章 用户行为分析方法和行为模型 | 第54-67页 |
| ·网络用户行为研究的现状 | 第54-56页 |
| ·用户行为采集系统 | 第56-57页 |
| ·行为分析内容和方法 | 第57页 |
| ·数据分析方法 | 第57-65页 |
| ·数据统计 | 第57-59页 |
| ·相似度度量 | 第59-60页 |
| ·聚类算法 | 第60-65页 |
| ·多维特征用户行为模型 | 第65-67页 |
| 第三章 用户上网行为分析 | 第67-98页 |
| ·背景 | 第67-68页 |
| ·宽带用户上网特征分析 | 第68-85页 |
| ·会话特征 | 第69-74页 |
| ·用户上下线属性总量的周分布规律 | 第74-85页 |
| ·行为模式分析方法 | 第85-87页 |
| ·行为数据的聚类分析 | 第87-89页 |
| ·用户行为识别和分析 | 第89-94页 |
| ·流量值 | 第90-91页 |
| ·登陆次数 | 第91-92页 |
| ·在线时间 | 第92-93页 |
| ·在线天数 | 第93页 |
| ·在线时段 | 第93-94页 |
| ·用户行为模式辨析 | 第94-96页 |
| ·用户忠诚度 | 第96页 |
| ·小结 | 第96-98页 |
| 第四章 用户业务行为分析 | 第98-120页 |
| ·背景 | 第98-99页 |
| ·数据描述 | 第99-101页 |
| ·业务行为分析方法 | 第101-104页 |
| ·分析过程和结果 | 第104-108页 |
| ·业务模式分析 | 第108-114页 |
| ·业务模式分析 | 第109-111页 |
| ·业务模式的转移 | 第111-114页 |
| ·用户业务模式分析 | 第114-115页 |
| ·算法分析 | 第115-117页 |
| ·小结及展望 | 第117-120页 |
| 第五章 用户WEB访问行为分析 | 第120-142页 |
| ·背景 | 第120-124页 |
| ·WEB访问行为分析 | 第124-131页 |
| ·Web行为数据的采集方式 | 第124-126页 |
| ·Web分析和挖掘 | 第126-129页 |
| ·Web用户喜好分析 | 第129-131页 |
| ·WEB访问分类行为 | 第131-132页 |
| ·WEB访问数据分析 | 第132-137页 |
| ·WEB喜好行为识别和分析 | 第137-140页 |
| ·小结及展望 | 第140-142页 |
| 第六章 用户行为关联分析 | 第142-153页 |
| ·总体分析 | 第142-145页 |
| ·活跃度和业务模式关联分析 | 第145-147页 |
| ·业务模式和WEB模式关联分析 | 第147-148页 |
| ·典型模式分析 | 第148-151页 |
| ·上传流量大于下载流量的用户 | 第148-149页 |
| ·频繁上下线的用户 | 第149-150页 |
| ·特定业务用户群的活跃度 | 第150-151页 |
| ·小结及展望 | 第151-153页 |
| 结束语:总结与展望 | 第153-155页 |
| 参考文献 | 第155-161页 |
| 附录:缩写词说明 | 第161-162页 |
| 致谢 | 第162-163页 |
| 攻读学位期间发表的学术论文目录 | 第163页 |
