基于位置数据的人类行为识别和相似性研究
| 附件 | 第5-6页 |
| 答辩决议草案 | 第6-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 目录 | 第11-13页 |
| 图录 | 第13-14页 |
| 表录 | 第14-15页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 课题背景 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 人类行为识别研究难点 | 第18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 第二章 数据挖掘方法基础和工具 | 第20-30页 |
| 2.1 数据挖掘简介 | 第20-22页 |
| 2.1.1 数据挖掘基本方法 | 第21-22页 |
| 2.2 位置信息的数据挖掘和位置服务 | 第22-25页 |
| 2.2.1 位置服务概述 | 第22-23页 |
| 2.2.2 位置信息概述 | 第23-25页 |
| 2.3 MIT 数据源结构和采集 | 第25-28页 |
| 2.3.1 实验者样本 | 第25-26页 |
| 2.3.2 移动手机监测软件 | 第26页 |
| 2.3.3 数据描述 | 第26页 |
| 2.3.4 监测精度 | 第26-27页 |
| 2.3.5 信号塔的位置标签 | 第27页 |
| 2.3.6 蓝牙“邻居” | 第27页 |
| 2.3.7 建立二值观测变量 | 第27-28页 |
| 2.3.8 社交关系调查问卷 | 第28页 |
| 2.4 相关软件分析工具介绍 | 第28-29页 |
| 2.4.1 MATLAB 软件 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 位置数据处理与系统概述 | 第30-39页 |
| 3.1 系统概述 | 第30-32页 |
| 3.2 位置数据预处理 | 第32-34页 |
| 3.2.1 位置数据预处理的原因与必要性 | 第32-33页 |
| 3.2.2 数据预处理算法 | 第33-34页 |
| 3.3 访问点和位置标签提取 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于主成分分析的特征行为建模 | 第39-60页 |
| 4.1 主成分分析 | 第39-43页 |
| 4.1.1 基本思想 | 第39页 |
| 4.1.2 数学表达 | 第39-40页 |
| 4.1.3 几何解释 | 第40-42页 |
| 4.1.4 主成分分析的算法 | 第42-43页 |
| 4.2 现实挖掘的特征行为的表述和分析 | 第43-59页 |
| 4.2.1 特征行为的计算 | 第44-52页 |
| 4.2.2 特征行为重构 | 第52-54页 |
| 4.2.3 特征行为的预测与应用案例 | 第54-57页 |
| 4.2.4 特征行为的分类应用 | 第57-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 群体社会行为规律和相似性分析 | 第60-70页 |
| 5.1 群体行为规律 | 第60-69页 |
| 5.1.1 群体特征蓝牙数据 | 第60-63页 |
| 5.1.2 通过蓝牙特征数据对群体分类 | 第63-69页 |
| 5.2 本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-74页 |
| 6.1 主要工作总结与创新 | 第70-72页 |
| 6.2 未来工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间已发表或录用的论文 | 第79页 |
