| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 用户大数据的国内外现状及发展趋势 | 第11-13页 |
| 1.2 本文的研究目标及内容 | 第13-16页 |
| 1.2.1 基于用户活跃度特征的常驻位置推断 | 第13-15页 |
| 1.2.2 基于流量详单中URL数据的近似轨迹纠偏 | 第15-16页 |
| 1.2.3 轨迹可视化与分析系统的建立 | 第16页 |
| 1.3 论文结构 | 第16-19页 |
| 第二章 基于用户活跃度特征的常驻位置推断 | 第19-35页 |
| 2.1 研究背景 | 第19-20页 |
| 2.2 推断模型的建立 | 第20-24页 |
| 2.2.1 用户特征的聚类 | 第20-21页 |
| 2.2.2 基于活跃度特征的空闲时段提取 | 第21-22页 |
| 2.2.3 候选位置集合的建立 | 第22-23页 |
| 2.2.4 候选组的概率分布的建立 | 第23-24页 |
| 2.2.5 最终常驻位置的选取 | 第24页 |
| 2.3 在真实数据集上的验证 | 第24-33页 |
| 2.3.1 对用户进行聚类 | 第25-27页 |
| 2.3.2 推断常驻位置 | 第27-28页 |
| 2.3.3 结果分析 | 第28-31页 |
| 2.3.4 结果验证 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于流量详单URL数据的用户近似轨迹纠偏 | 第35-55页 |
| 3.1 近似轨迹的来源以及纠偏的动机与意义 | 第35-37页 |
| 3.2 模型的建立以及求解 | 第37-41页 |
| 3.2.1 概述与术语 | 第37-38页 |
| 3.2.2 近似轨迹纠偏方案 | 第38页 |
| 3.2.3 优化目标的建立及求解 | 第38-41页 |
| 3.3 实验验证 | 第41-47页 |
| 3.3.1 实验验证方法 | 第41-42页 |
| 3.3.2 样例基站平均纠偏误差计算 | 第42-43页 |
| 3.3.3 实验效果 | 第43-47页 |
| 3.4. 轨迹匹配 | 第47-52页 |
| 3.5 本章小结 | 第52-55页 |
| 第四章 轨迹可视化与分析系统的建立 | 第55-71页 |
| 4.1 方案设计 | 第55-56页 |
| 4.2 可视化系统的实现 | 第56-68页 |
| 4.2.1 主界面 | 第56-57页 |
| 4.2.2 轨迹描绘界面 | 第57-63页 |
| 4.2.3 POI分析界面 | 第63页 |
| 4.2.4 轨迹分析界面 | 第63-68页 |
| 4.3 Web版本的移植 | 第68-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-75页 |
| 5.1 论文总结 | 第71-73页 |
| 5.2 未来工作展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |