大规模Android使用数据模式及隐私分析
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 选题背景 | 第11-14页 |
| 1.2 研究现状 | 第14-15页 |
| 1.3 研究内容及意义 | 第15-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 2 分类算法及集成学习 | 第18-29页 |
| 2.1 关键分类算法 | 第18-25页 |
| 2.1.1 支持向量机 | 第18-20页 |
| 2.1.2 朴素贝叶斯 | 第20-21页 |
| 2.1.3 k-最近邻算法 | 第21-22页 |
| 2.1.4 分类与回归树 | 第22-24页 |
| 2.1.5 随机森林算法 | 第24-25页 |
| 2.2 集成学习 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 使用模式时间序列特征研究 | 第29-40页 |
| 3.1 分类方法概述 | 第30-31页 |
| 3.2 使用模式特征提取实现 | 第31-37页 |
| 3.2.1 动态弯曲距离算法 | 第31-35页 |
| 3.2.2 形态特征符号聚合近似算法 | 第35-37页 |
| 3.3 使用模式特征表示方法 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 分类方法实现及实验结果分析 | 第40-53页 |
| 4.1 分类方法实现 | 第40-43页 |
| 4.2 分类器评价指标 | 第43-45页 |
| 4.2.1 错误率与精度 | 第43-44页 |
| 4.2.2 查准率、查全率与F1-score | 第44-45页 |
| 4.3 数据集及特征说明 | 第45-47页 |
| 4.4 实验结果与分析 | 第47-52页 |
| 4.4.1 非游戏类应用分类分析 | 第49-50页 |
| 4.4.2 游戏类应用分类分析 | 第50-51页 |
| 4.4.3 本方法与静态特征分析方法比较 | 第51-52页 |
| 4.4.4 实验小结及分析 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 使用数据与隐私分析 | 第53-63页 |
| 5.1 使用数据中的隐私泄漏 | 第53-57页 |
| 5.1.1 隐私信息定义 | 第53页 |
| 5.1.2 隐私提取的关键点 | 第53-55页 |
| 5.1.3 隐私泄漏挖掘结果分析 | 第55-57页 |
| 5.2 使用数据中的习惯偏好 | 第57-59页 |
| 5.2.1 设备型号分类 | 第57-58页 |
| 5.2.2 设备价位影响卸载应用习惯 | 第58-59页 |
| 5.2.3 设备价位影响选择网络偏好 | 第59页 |
| 5.3 使用数据与位置隐私 | 第59-62页 |
| 5.3.1 位置信息采集 | 第60-61页 |
| 5.3.2 位置信息聚类及分析 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
