移动环境下用户行为姿态提取
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 文献综述 | 第10-11页 |
| 1.4 研究的主要内容和创新点 | 第11-13页 |
| 1.5 本文研究思路与主体结构 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第二章 SVDD算法描述 | 第15-19页 |
| 2.1 概述 | 第15页 |
| 2.2 超球可分支持向量数据描述 | 第15-17页 |
| 2.3 支持向量数据描述研究趋势 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于SVDD算法的用户连续性行为检测 | 第19-26页 |
| 3.1 用户行为分类流程 | 第19-20页 |
| 3.2 用户行为状态讨论 | 第20-21页 |
| 3.3 SVDD算法模型 | 第21-25页 |
| 3.3.1 模型输入与输出 | 第21-22页 |
| 3.3.2 SVDD算法模型详解 | 第22-25页 |
| 3.3.3 用户行为是否偏离 | 第25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 SVDD算法实验分析与结果 | 第26-32页 |
| 4.1 实验设置 | 第26页 |
| 4.2 SVDD算法实现 | 第26-28页 |
| 4.3 SVDD计算流程 | 第28-30页 |
| 4.4 实验结果与讨论 | 第30-31页 |
| 4.5 本章小结 | 第31-32页 |
| 第五章 用户行为姿态的模式识别 | 第32-36页 |
| 5.1 模式神经网络概述 | 第32页 |
| 5.2 PATTERNNET神经网络 | 第32-33页 |
| 5.3 PCA降维 | 第33-34页 |
| 5.4 模式神经网络训练 | 第34-35页 |
| 5.5 本章小结 | 第35-36页 |
| 第六章 实验分析与实验结果 | 第36-51页 |
| 6.1 实验概述 | 第36-37页 |
| 6.1.1 实验基础 | 第36页 |
| 6.1.2 实验主体 | 第36-37页 |
| 6.2 行为姿态与数据采集 | 第37-44页 |
| 6.2.1 数据收集方式 | 第37-39页 |
| 6.2.2 数据格式 | 第39-43页 |
| 6.2.3 PCA降维 | 第43-44页 |
| 6.3 模式识别神经网络实验 | 第44-50页 |
| 6.3.1 样本训练 | 第44-46页 |
| 6.3.2 训练过程与结果 | 第46-49页 |
| 6.3.3 实验分析 | 第49-50页 |
| 6.4 本章小结 | 第50-51页 |
| 第七章 总结和展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间发表的论文 | 第56-57页 |
| 致谢 | 第57页 |
