基于Wi-Fi数据的校园人群模式挖掘及异常检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 本课题研究内容与意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 论文内容安排 | 第11-15页 |
| 1.4.1 论文内容整体框架 | 第11-12页 |
| 1.4.2 章节内容安排 | 第12-15页 |
| 第二章 人群模式挖掘与异常检测算法 | 第15-25页 |
| 2.1 用户探测与追踪算法 | 第15-17页 |
| 2.1.1 基于视频技术的用户探测 | 第15-16页 |
| 2.1.2 基于红外技术的用户探测 | 第16页 |
| 2.1.3 基于Wi-Fi定位技术的用户探测 | 第16-17页 |
| 2.2 人群模式挖掘算法 | 第17-20页 |
| 2.2.1 人群模式挖掘 | 第18页 |
| 2.2.2 主题模型算法简介 | 第18-20页 |
| 2.3 异常检测算法 | 第20-24页 |
| 2.3.1 异常检测经典算法 | 第20-21页 |
| 2.3.2 基于Kalman滤波器的异常检测算法 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 校园人群模式挖掘 | 第25-55页 |
| 3.1 数据预处理 | 第25-33页 |
| 3.1.1 项目及数据介绍 | 第25-27页 |
| 3.1.2 数据预处理步骤 | 第27-33页 |
| 3.2 基于密度的人群模式挖掘 | 第33-45页 |
| 3.2.1 二级分类器判别用户行为类型 | 第33-37页 |
| 3.2.2 用户行为分类验证与分析 | 第37-38页 |
| 3.2.3 校园人群密度模式 | 第38-45页 |
| 3.3 基于主题的人群模式挖掘 | 第45-53页 |
| 3.3.1 时序数据文档化算法 | 第46-50页 |
| 3.3.2 校园人群主题模式 | 第50-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第四章 校园人群异常检测与分析 | 第55-69页 |
| 4.1 校园人群异常定义 | 第55-56页 |
| 4.2 基于统计的异常检测 | 第56-60页 |
| 4.2.1 均值统计的异常检测 | 第56-58页 |
| 4.2.2 信息熵统计的异常检测 | 第58-60页 |
| 4.3 基于Kalman滤波器的异常检测 | 第60-66页 |
| 4.4 两种方案对比总结 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 附录 论文使用缩写说明 | 第77-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
