| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景及意义 | 第7-8页 |
| ·研究现状 | 第8-12页 |
| ·位置推断 | 第8-10页 |
| ·用户移动行为识别 | 第10页 |
| ·轨迹模式分析 | 第10-12页 |
| ·研究内容 | 第12-13页 |
| ·结构安排 | 第13-14页 |
| 第二章 相关研究 | 第14-25页 |
| ·相关定义介绍 | 第14-15页 |
| ·识别移动行为方法 | 第15-21页 |
| ·基于移动手机的方法 | 第15-16页 |
| ·基于GPS的方法 | 第16-17页 |
| ·基于传感器混合的方法 | 第17-20页 |
| ·基于能量效率的方法 | 第20-21页 |
| ·相似性方法介绍 | 第21-24页 |
| ·基于形状匹配的方法 | 第21-22页 |
| ·基于时间的方法 | 第22-23页 |
| ·基于地理语义位置的方法 | 第23-24页 |
| ·基于日常行为的方法 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 用户移动行为挖掘算法 | 第25-32页 |
| ·基于转换点的分段方法 | 第25-28页 |
| ·特征抽取 | 第28-30页 |
| ·方向改变率 | 第29页 |
| ·停车频率 | 第29-30页 |
| ·停顿位置匹配率 | 第30页 |
| ·停车距离相似度 | 第30页 |
| ·推断模型 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 用户相似性计算方法 | 第32-42页 |
| ·抽取位置序列 | 第32-36页 |
| ·划分网格 | 第33-34页 |
| ·基于密度聚类 | 第34-36页 |
| ·构造位置序列的广义后缀树 | 第36-37页 |
| ·抽取相似度相关指标 | 第37-40页 |
| ·寻找相似地点及最长公共位置序列 | 第37-38页 |
| ·挖掘频繁公共位置序列 | 第38-40页 |
| ·相似度衡量 | 第40-41页 |
| ·相似地方数目相似性 | 第40页 |
| ·M-Length最长公共位置序列相似性 | 第40-41页 |
| ·频繁公共位置序列相似性 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 实验结果及分析 | 第42-53页 |
| ·实验数据集 | 第42-44页 |
| ·微软亚洲研究院Geolife项目数据集 | 第42页 |
| ·MIT reality mining dataset数据集 | 第42-44页 |
| ·用户移动行为挖掘算法实验 | 第44-46页 |
| ·分段方法精确度 | 第44-45页 |
| ·不同特征的精确度 | 第45-46页 |
| ·识别效果 | 第46页 |
| ·相似度计算实验 | 第46-52页 |
| ·时间复杂度分析 | 第46-47页 |
| ·网格和密度聚类 | 第47-50页 |
| ·相似性计算 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·未来工作展望 | 第53-55页 |
| 参考文献 | 第55-63页 |
| 在校期间发表论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |