| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究内容及成果 | 第10-12页 |
| 1.3 论文的结构安排 | 第12-15页 |
| 第二章 基于Wi-Fi数据的校园社交网络研究综述 | 第15-31页 |
| 2.4 Wi-Fi数据的应用研究现状 | 第15-21页 |
| 2.4.1 Wi-Fi数据包与Wi-Fi探测器 | 第15-17页 |
| 2.4.2 Wi-Fi数据的研究应用价值 | 第17-19页 |
| 2.4.3 基于Wi-Fi数据挖掘社交关系 | 第19-21页 |
| 2.5 轨迹相似度算法研究 | 第21-25页 |
| 2.5.1 传统轨迹相似度算法研究现状 | 第21-24页 |
| 2.5.2 语义轨迹相似度算法研究现状 | 第24-25页 |
| 2.6 社交网络分析相关技术 | 第25-29页 |
| 2.6.1 社交网络结构特征分析方法 | 第26-28页 |
| 2.6.2 社区发现算法研究现状 | 第28-29页 |
| 2.7 本章小结 | 第29-31页 |
| 第三章 语义轨迹相似度算法研究 | 第31-47页 |
| 3.1 引言 | 第31页 |
| 3.2 数据采集与预处理 | 第31-35页 |
| 3.2.1 数据采集 | 第31-33页 |
| 3.2.2 数据清洗 | 第33-35页 |
| 3.3 FA-STS算法 | 第35-41页 |
| 3.3.1 算法描述 | 第35-39页 |
| 3.3.2 亲密关系挖掘 | 第39-41页 |
| 3.4 FP-STS算法 | 第41-43页 |
| 3.5 不同语义轨迹相似度算法的性能比较与分析 | 第43-45页 |
| 3.5.1 算法验证 | 第43-44页 |
| 3.5.2 与其他轨迹相似度算法的对比分析 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于Wi-Fi数据的校园社交网络的构建和分析 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 常驻人口分类算法—RPC算法 | 第47-50页 |
| 4.3 校园社交网络构建 | 第50-55页 |
| 4.3.1 产生语义轨迹 | 第50-53页 |
| 4.3.2 构建校园社交网络 | 第53-54页 |
| 4.3.3 社区发现 | 第54-55页 |
| 4.4 校园社交网络分析 | 第55-58页 |
| 4.5 本章小结 | 第58-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 下一步研究方向 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间研究成果 | 第71页 |