| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 模式挖掘的国内外研究现状 | 第10-11页 |
| 1.2.2 位置预测的国内外研究现状 | 第11-12页 |
| 1.3 论文的研究目标及内容 | 第12-14页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究内容 | 第12-14页 |
| 第二章 轨迹模式挖掘的需求分析与研究方法 | 第14-32页 |
| 2.1 WIFI技术及应用 | 第14-16页 |
| 2.1.1 WIFI应用环境分析 | 第14-15页 |
| 2.1.2 WIFI定位技术 | 第15-16页 |
| 2.2 基于AP日志的用户轨迹模式挖掘需求分析 | 第16-18页 |
| 2.2.1 基于单个用户轨迹模式挖掘 | 第17页 |
| 2.2.2 基于群体用户轨迹模式挖掘 | 第17-18页 |
| 2.3 基于AP日志的用户轨迹模式挖掘研究方法 | 第18-19页 |
| 2.3.1 基于AP日志的用户轨迹处理流程 | 第18-19页 |
| 2.3.2 基于AP日志的用户轨迹模式挖掘研究方法 | 第19页 |
| 2.4 轨迹模式变化分析算法的研究 | 第19-29页 |
| 2.4.1 轨迹模式变化的整体流程 | 第19-20页 |
| 2.4.2 轨迹模式相似度的考虑因素 | 第20-21页 |
| 2.4.3 最长公共子序列求解算法 | 第21-22页 |
| 2.4.4 轨迹模式的相似度计算 | 第22-23页 |
| 2.4.5 两个时间窗的轨迹模式变化分析 | 第23-26页 |
| 2.4.6 多个时间窗之间的轨迹模式变化分析 | 第26-27页 |
| 2.4.7 基于贝叶斯分析的轨迹模式变化点检测 | 第27-29页 |
| 2.5 子轨迹综合预测算法的研究 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于自适应滑动窗口的增量式序列模式挖掘算法设计 | 第32-41页 |
| 3.1 序列模式挖掘算法的相关研究与问题分析 | 第32-33页 |
| 3.1.1 基本概念 | 第32页 |
| 3.1.2 序列模式挖掘算法的相关研究 | 第32-33页 |
| 3.2 轨迹序列的时间窗划分 | 第33-35页 |
| 3.3 基于自适应滑动窗口的增量式序列模式挖掘算法设计 | 第35-39页 |
| 3.4 基于自适应滑动窗口的增量式序列挖掘与改进的PrefixSpan算法对比 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于轨迹模式变化分析的子轨迹综合位置预测算法设计 | 第41-47页 |
| 4.1 用户位置预测的相关研究与问题分析 | 第41-42页 |
| 4.1.1 基于用户自身历史轨迹的预测方法 | 第41页 |
| 4.1.2 利用群组信息辅助预测的方法 | 第41-42页 |
| 4.2 基于模式变化分析的子轨迹综合位置预测算法设计 | 第42-45页 |
| 4.2.1 基于模式变化的子轨迹综合位置预测算法设计 | 第42-44页 |
| 4.2.2 基于相似模式的子轨迹综合位置预测算法设计 | 第44-45页 |
| 4.3 本章小结 | 第45-47页 |
| 第五章 实验验证分析 | 第47-61页 |
| 5.1 数据集概述 | 第47-51页 |
| 5.2 基于自适应时间窗口的增量式序列模式挖掘算法实验结果与分析 | 第51-53页 |
| 5.3 轨迹模式变化分析算法实验结果与分析 | 第53-57页 |
| 5.3.1 单用户轨迹模式变化分析结果 | 第53-55页 |
| 5.3.2 群体轨迹模式变化分析实验结果 | 第55-57页 |
| 5.4 基于轨迹模式变化分析的子轨迹综合位置预测算法实验结果与分析 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
