| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题选题意义 | 第9页 |
| 1.2 课题研究背景 | 第9-12页 |
| 1.2.1 用户特征研究现状 | 第10-11页 |
| 1.2.2 预测技术研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 研究目的及意义 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第二章 用户特征分析及活跃度预测算法设计的理论基础 | 第15-33页 |
| 2.1 时间序列 | 第15-18页 |
| 2.1.1 什么是时间序列 | 第15页 |
| 2.1.2 时间序列的表示及数字特征 | 第15-17页 |
| 2.1.3 时间序列分析过程 | 第17-18页 |
| 2.2 预测的基本理论 | 第18-25页 |
| 2.2.1 预测的含义、原理及方法 | 第18-19页 |
| 2.2.2 预测模型概述 | 第19-23页 |
| 2.2.3 性能评价指标 | 第23-25页 |
| 2.3 公理化模糊集理论 | 第25-30页 |
| 2.4 决策树算法 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 用户行为特征分析 | 第33-44页 |
| 3.1 用户行为 | 第33-35页 |
| 3.1.1 行为分析的含义 | 第33页 |
| 3.1.2 用户行为分析方法 | 第33-34页 |
| 3.1.3 分析过程 | 第34-35页 |
| 3.2 运营商移动网用户特征分析 | 第35-43页 |
| 3.2.1 移动网用户特征 | 第35-36页 |
| 3.2.2 用户行为的表示 | 第36-37页 |
| 3.2.3 基于时间序列的用户特征分析 | 第37-42页 |
| 3.2.4 用户特征规律 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 用户活跃度预测 | 第44-66页 |
| 4.1 用户活跃度分析 | 第44-47页 |
| 4.2 SDESN预测算法的提出 | 第47-59页 |
| 4.2.1 AFS决策树 | 第47-52页 |
| 4.2.2 小波回声状态网络 | 第52-54页 |
| 4.2.3 SDESN算法模型构建 | 第54-55页 |
| 4.2.4 基于AFS决策树的神经网络输入权值矩阵W_(in)的确定 | 第55-57页 |
| 4.2.5 SDESN的学习过程 | 第57-58页 |
| 4.2.6 SDESN算法验证 | 第58-59页 |
| 4.3 基于SDESN的用户活跃度预测 | 第59-65页 |
| 4.3.1 数据集 | 第60-61页 |
| 4.3.2 性能分析 | 第61-63页 |
| 4.3.3 用户活跃度预测 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 SDESN的应用 | 第66-69页 |
| 5.1 用户特征分析的发展及应用 | 第66页 |
| 5.2 SDESN在特征分析及预测中的应用前景 | 第66-69页 |
| 第六章 结束语 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表或已经录用的学术论文 | 第75页 |