| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-13页 |
| 1.1 引言 | 第8页 |
| 1.2 研究背景 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 2 位置预测相关研究 | 第13-26页 |
| 2.1 人类移动行为的可预测性 | 第13-17页 |
| 2.1.1 幂律分布 | 第13-16页 |
| 2.1.2 人类移动行为规律 | 第16-17页 |
| 2.2 常用位置预测模型 | 第17-22页 |
| 2.2.1 基于马尔科夫模型的位置预测 | 第17-18页 |
| 2.2.2 基于频繁模式挖掘的位置预测 | 第18-20页 |
| 2.2.3 基于神经网络的位置预测 | 第20-21页 |
| 2.2.4 基于社交信息的位置预测 | 第21-22页 |
| 2.3 相似度计算方法简介 | 第22-23页 |
| 2.4 常用聚类方法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 签到数据特征分析 | 第26-35页 |
| 3.1 签到数据总体特征 | 第26-27页 |
| 3.2 签到数据特征分析 | 第27-34页 |
| 3.2.1 时间特征 | 第27-30页 |
| 3.2.2 空间特征 | 第30-33页 |
| 3.2.3 社交关系特征 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 改进的位置预测模型 | 第35-44页 |
| 4.1 改进的基于时间的位置预测模型 | 第35-39页 |
| 4.1.1 基于动态高斯混合模型的位置预测 | 第36-37页 |
| 4.1.2 EM算法求解参数 | 第37-38页 |
| 4.1.3 社交关系在时间模型中的应用 | 第38-39页 |
| 4.2 改进的基于空间的位置预测模型 | 第39-42页 |
| 4.2.1 基于传统马尔科夫位置预测模型存在的问题 | 第40页 |
| 4.2.2 基于序列相似度的k-阶马尔科夫模型 | 第40-41页 |
| 4.2.3 社交关系在空间模型中的应用 | 第41-42页 |
| 4.3 基于时间和空间的位置预测模型 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 实验过程及结果分析 | 第44-54页 |
| 5.1 实验数据集介绍 | 第44-45页 |
| 5.2 实验过程 | 第45-52页 |
| 5.2.1 数据预处理 | 第45-46页 |
| 5.2.2 阶数k对MBSS模型的影响 | 第46-47页 |
| 5.2.3 α 因子对TSBM模型的影响 | 第47-48页 |
| 5.2.4 对比实验 | 第48-52页 |
| 5.3 实验结果分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 论文研究总结 | 第54-55页 |
| 6.2 研究展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
| A. 作者在攻读硕士学位期间发表的论文题目 | 第60页 |