| 摘要 | 第3-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第16-34页 |
| 1.1 引言 | 第16-17页 |
| 1.2 研究背景 | 第17-26页 |
| 1.2.1 位置感知计算 | 第17-21页 |
| 1.2.2 轨迹数据挖掘 | 第21-24页 |
| 1.2.3 位置相关应用领域 | 第24-26页 |
| 1.3 研究目的与研究意义 | 第26-29页 |
| 1.4 研究思路与研究方法 | 第29-31页 |
| 1.5 研究内容与研究成果 | 第31-32页 |
| 1.6 论文组织 | 第32-34页 |
| 第2章 语义化访问地点挖掘 | 第34-54页 |
| 2.1 语义化访问地点挖掘相关研究 | 第34-36页 |
| 2.1.1 访问地点挖掘 | 第34-36页 |
| 2.1.2 地点语义提取 | 第36页 |
| 2.2 访问地点挖掘 | 第36-41页 |
| 2.2.1 访问点挖掘 | 第38-40页 |
| 2.2.2 访问点聚类 | 第40-41页 |
| 2.3 地点语义推理 | 第41-43页 |
| 2.3.1 贝叶斯网络地点分类器 | 第41-42页 |
| 2.3.2 加强的地点分类器 | 第42-43页 |
| 2.4 实验与分析 | 第43-52页 |
| 2.4.1 数据采集及预处理 | 第43-45页 |
| 2.4.2 访问地点挖掘实验 | 第45-49页 |
| 2.4.3 地点语义推理实验 | 第49-52页 |
| 2.5 本章小结 | 第52-54页 |
| 第3章 个人运动模式挖掘技术 | 第54-78页 |
| 3.1 运动模式挖掘相关研究 | 第54-57页 |
| 3.1.1 基于GPS轨迹数据的路径模式挖掘 | 第54-56页 |
| 3.1.2 基于无线信标轨迹数据的运动模式挖掘 | 第56-57页 |
| 3.2 基于GPS轨迹数据的路径模式挖掘 | 第57-65页 |
| 3.2.1 路径分割 | 第57-58页 |
| 3.2.2 候选起点终点提取 | 第58-60页 |
| 3.2.3 路径抽象 | 第60-62页 |
| 3.2.4 路径模式挖掘 | 第62-65页 |
| 3.3 基于蜂窝基站轨迹数据的运动模式挖掘 | 第65-71页 |
| 3.3.1 基站位置数据处理 | 第66-71页 |
| 3.4 实验及分析 | 第71-77页 |
| 3.4.1 GPS轨迹数据路径模式挖掘实验 | 第71-73页 |
| 3.4.2 蜂窝基站轨迹数据运动模式挖掘实验 | 第73-77页 |
| 3.5 本章小结 | 第77-78页 |
| 第4章 用户目的语义提取技术 | 第78-100页 |
| 4.1 未来运动行为预测相关研究 | 第78-80页 |
| 4.1.1 未来位置预测 | 第79页 |
| 4.1.2 未来路径预测 | 第79-80页 |
| 4.2 基于自适应多阶Markov模型的位置预测 | 第80-85页 |
| 4.2.1 位置信息抽象化处理 | 第80-81页 |
| 4.2.2 未来位置预测 | 第81-85页 |
| 4.3 基于路径模式挖掘的目的地和未来路径联合预测 | 第85-89页 |
| 4.3.1 模式树构建 | 第85-86页 |
| 4.3.2 路径模式匹配 | 第86-87页 |
| 4.3.3 目的地与未来路径预测 | 第87-89页 |
| 4.4 实验及分析 | 第89-99页 |
| 4.4.1 自适应多阶Markov模型位置预测实验 | 第89-92页 |
| 4.4.2 基于路径模式挖掘的目的地和未来路径预测实验 | 第92-99页 |
| 4.5 本章小结 | 第99-100页 |
| 第5章 用户行为语义提取技术 | 第100-117页 |
| 5.1 用户行为分析相关研究 | 第100-102页 |
| 5.1.1 用户行为模式挖掘 | 第100-101页 |
| 5.1.2 用户行为相似性分析 | 第101-102页 |
| 5.2 用户行为语义提取 | 第102-107页 |
| 5.2.1 系统框架 | 第103-105页 |
| 5.2.2 日程行为模式挖掘 | 第105-107页 |
| 5.3 基于行为模式的用户相似度计算 | 第107-111页 |
| 5.3.1 访问地点相似度计算 | 第107-109页 |
| 5.3.2 日程行为模式相似度计算 | 第109-111页 |
| 5.3.3 用户间相似度计算 | 第111页 |
| 5.4 实验及分析 | 第111-116页 |
| 5.4.1 日程行为模式挖掘实验 | 第112-113页 |
| 5.4.2 用户相似度度量实验 | 第113-114页 |
| 5.4.3 比较实验 | 第114-116页 |
| 5.5 本章小结 | 第116-117页 |
| 第6章 用户关系语义提取技术 | 第117-136页 |
| 6.1 普适社会网络相关研究 | 第117-119页 |
| 6.1.1 普适计算环境下的社会关系估计 | 第117-118页 |
| 6.1.2 普适社会网络挖掘 | 第118-119页 |
| 6.2 移动社会网络环境下的社会关系估计 | 第119-122页 |
| 6.2.1 语义化地点挖掘 | 第120-121页 |
| 6.2.2 社会关系推理 | 第121-122页 |
| 6.3 基于位置社会网络的个性化兴趣地点推荐 | 第122-130页 |
| 6.3.1 兴趣地点挖掘 | 第123-125页 |
| 6.3.2 基于位置的相关性社会网络构建 | 第125-127页 |
| 6.3.3 兴趣地点兴趣度评分计算 | 第127-130页 |
| 6.4 实验及分析 | 第130-134页 |
| 6.4.1 社会关系推理实验 | 第130-132页 |
| 6.4.2 基于位置社会网络的个性化兴趣地点推荐实验 | 第132-134页 |
| 6.5 本章小结 | 第134-136页 |
| 第7章 语义化位置感知原型系统 | 第136-144页 |
| 7.1 语义化位置感知计算平台原型系统 | 第136-138页 |
| 7.1.1 系统架构和流程 | 第136-137页 |
| 7.1.2 系统功能 | 第137-138页 |
| 7.1.3 系统实现 | 第138页 |
| 7.2 示范应用 | 第138-140页 |
| 7.3 实验及分析 | 第140-143页 |
| 7.3.1 交互实验设计 | 第140-142页 |
| 7.3.2 实验结果分析 | 第142-143页 |
| 7.4 本章小结 | 第143-144页 |
| 第8章 总结与展望 | 第144-148页 |
| 8.1 论文主要工作总结 | 第144-146页 |
| 8.2 未来研究展望 | 第146-148页 |
| 参考文献 | 第148-161页 |
| 攻读博士学位期间主要的研究成果 | 第161-162页 |
| 致谢 | 第162-163页 |
