| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 轨迹数据挖掘的基本方法 | 第17页 |
| 1.2.2 用户兴趣区域挖掘技术现状 | 第17-18页 |
| 1.2.3 周期活动模式挖掘的研究现状 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 1.4 论文的组织结构 | 第20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 相关技术介绍 | 第21-29页 |
| 2.1 移动轨迹数据介绍 | 第21-23页 |
| 2.1.1 移动轨迹数据获取技术 | 第21-22页 |
| 2.1.2 轨迹数据分类 | 第22-23页 |
| 2.2 轨迹挖掘技术介绍 | 第23-26页 |
| 2.2.1 轨迹数据预处理技术介绍 | 第23-24页 |
| 2.2.2 轨迹模式挖掘技术 | 第24-26页 |
| 2.3 时间序列周期模式挖掘技术 | 第26-28页 |
| 2.3.1 信号领域的周期检测算法 | 第26-27页 |
| 2.3.2 基于子模式匹配的周期检测算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 算法模型及数据预处理 | 第29-39页 |
| 3.1 基于轨迹的周期活动挖掘模型 | 第29-32页 |
| 3.1.1 用户轨迹预处理模块介绍 | 第30-31页 |
| 3.1.2 用户兴趣区域发现模块 | 第31页 |
| 3.1.3 周期活动模式挖掘模块介绍 | 第31-32页 |
| 3.2 轨迹数据预处理算法设计 | 第32-37页 |
| 3.2.1 GPS记录和轨迹的定义 | 第32页 |
| 3.2.2 用户历史轨迹数据清理 | 第32-33页 |
| 3.2.3 停留点挖掘算法设计 | 第33-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第4章 兴趣区域挖掘 | 第39-47页 |
| 4.1 构建用户重要地点集 | 第39-44页 |
| 4.1.1 DBSCAN聚类算法介绍 | 第39-40页 |
| 4.1.2 基于OPTICS的HOPTICS聚类方法 | 第40-43页 |
| 4.1.3 本文使用的距离函数介绍 | 第43-44页 |
| 4.1.4 个人重要地点集的挖掘 | 第44页 |
| 4.2 兴趣区域挖掘 | 第44-46页 |
| 4.2.1 兴趣度计算 | 第44-45页 |
| 4.2.2 兴趣度漂移修正 | 第45-46页 |
| 4.2.3 兴趣区域发现 | 第46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 用户周期活动模式挖掘 | 第47-57页 |
| 5.1 用户重要地点的周期发现 | 第47-51页 |
| 5.1.1 轨迹序列二值化 | 第47-48页 |
| 5.1.2 二进制序列周期探测模型 | 第48-50页 |
| 5.1.3 周期长度探测算法 | 第50-51页 |
| 5.2 用户周期活动模式发现 | 第51-55页 |
| 5.2.1 周期活动模式介绍 | 第51页 |
| 5.2.2 基于极大似然估计的分类分布模型 | 第51-53页 |
| 5.2.3 周期活动模式挖掘 | 第53-55页 |
| 5.3 本章小结 | 第55-57页 |
| 第6章 实验结果和分析 | 第57-71页 |
| 6.1 实验环境 | 第57页 |
| 6.2 数据集及数据的预处理 | 第57-60页 |
| 6.2.1 轨迹噪声清理 | 第58-59页 |
| 6.2.2 历史轨迹的停留点发现 | 第59-60页 |
| 6.3 兴趣区域发现 | 第60-64页 |
| 6.3.1 用户重要地点集发现 | 第60-63页 |
| 6.3.2 重要地点兴趣度计算 | 第63-64页 |
| 6.4 用户周期活动模式发现 | 第64-69页 |
| 6.4.1 轨迹序列二值化 | 第64页 |
| 6.4.2 周期长度探测 | 第64-67页 |
| 6.4.3 周期活动聚类分析 | 第67-69页 |
| 6.5 本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表论文 | 第77-79页 |
| 致谢 | 第79页 |