| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 基于用户资料的识别 | 第11-12页 |
| 1.2.2 基于IMEI码的识别技术 | 第12-13页 |
| 1.2.3 基于数据源的用户特征挖掘识别技术 | 第13-15页 |
| 1.3 论文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 基于网络访问的重入网识别问题定义及解决思路 | 第18-29页 |
| 2.1 问题模型定义 | 第18-19页 |
| 2.2 解决思路 | 第19-28页 |
| 2.2.1 上网日志数据源的分析 | 第19-21页 |
| 2.2.2 基于数据挖掘启发式规则 | 第21页 |
| 2.2.3 基于启发式规则设计算法 | 第21-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于用户网络访问项序的重入网用户身份识别算法 | 第29-41页 |
| 3.1 数据预处理 | 第29-31页 |
| 3.1.1 数据清理 | 第29-30页 |
| 3.1.2 数据整理 | 第30-31页 |
| 3.2 相似用户集挑选 | 第31-32页 |
| 3.3 基于个性化网站的相似用户集裁剪 | 第32-33页 |
| 3.4 基于时间特征的相似用户集裁剪 | 第33-35页 |
| 3.4.1 基于用户整体上网时间的相似度比较 | 第33-34页 |
| 3.4.2 基于用户针对具体网站的访问时间相似度比较 | 第34-35页 |
| 3.5 基于网站访问项序的相似用户集裁剪 | 第35-37页 |
| 3.5.1 利用PrefixSpan算法挖掘用户的习惯性网站访问序列 | 第36页 |
| 3.5.2 利用LD算法计算习惯性网站访问序列相似度 | 第36-37页 |
| 3.5.3 基于相似度进行裁剪 | 第37页 |
| 3.6 基于网站访问频次的相似用户集裁剪 | 第37-38页 |
| 3.7 相同身份用户的识别 | 第38-40页 |
| 3.8 本章小结 | 第40-41页 |
| 4 实验例证和结果分析 | 第41-53页 |
| 4.1 实验环境 | 第41页 |
| 4.2 实验思路 | 第41-50页 |
| 4.2.1 数据集划分 | 第41-43页 |
| 4.2.2 各阶段阈值的确定 | 第43-50页 |
| 4.3 实验结果 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
