基于Apriori算法的用户移动行为规律挖掘研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 移动互联网现状及发展前景 | 第9-12页 |
| 1.1.1 发展现状 | 第9页 |
| 1.1.2 发展前景 | 第9-12页 |
| 1.2 位置信息的用户行为研究 | 第12-14页 |
| 1.2.1 数据来源 | 第12-13页 |
| 1.2.2 位置信息研究内容 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 移动轨迹研究的应用 | 第16-20页 |
| 2.1 智能交通应用 | 第17-18页 |
| 2.1.1 路径诱导 | 第17-18页 |
| 2.1.2 行为模式识别 | 第18页 |
| 2.2 通信网络用户的行为分析 | 第18-20页 |
| 第三章 本文研究方法综述 | 第20-27页 |
| 3.1 移动对象概述 | 第20页 |
| 3.2 数据集介绍 | 第20-22页 |
| 3.3 数据预处理 | 第22-23页 |
| 3.3.1 用户过滤 | 第22页 |
| 3.3.2 字段提取 | 第22-23页 |
| 3.3.3 数据去噪声 | 第23页 |
| 3.4 移动轨迹构建 | 第23-25页 |
| 3.5 关联规则分析 | 第25-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 基于Apriori算法用户行为轨迹分析 | 第27-40页 |
| 4.1 Apriori算法介绍 | 第27-30页 |
| 4.1.1 关联分析的基本概念 | 第27-29页 |
| 4.1.2 Apriori算法思想 | 第29页 |
| 4.1.3 算法流程图 | 第29-30页 |
| 4.2 移动用户频繁模式挖掘 | 第30-35页 |
| 4.3 生成移动规则 | 第35-36页 |
| 4.4 用户移动轨迹预测 | 第36-38页 |
| 4.5 群体移动模式 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第五章 用户轨迹分析结果 | 第40-49页 |
| 5.1 实验工具简介 | 第40-41页 |
| 5.2 实验数据 | 第41页 |
| 5.3 实验过程描述 | 第41-42页 |
| 5.4 实验结果分析 | 第42-48页 |
| 5.4.1 用户移动性行为分析 | 第43-44页 |
| 5.4.2 频繁模式长度分析 | 第44-45页 |
| 5.4.3 日期频率分析 | 第45-46页 |
| 5.4.4 时间段频率 | 第46-47页 |
| 5.4.5 预测分析 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 本文研究总结 | 第49页 |
| 6.2 未来工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 攻读学位期间发表的学术论文目录 | 第57页 |
