| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 无线泛在环境概述 | 第12-13页 |
| 1.3 用户行为预测技术研究现状 | 第13-15页 |
| 1.4 用户行为优化技术研究现状 | 第15-16页 |
| 1.5 主要工作和内容安排 | 第16-18页 |
| 第二章 用户行为预测与优化系统设计 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 系统总体架构 | 第18-19页 |
| 2.3 功能模块描述 | 第19-23页 |
| 2.3.1 数据采集模块 | 第19-20页 |
| 2.3.2 数据预处理模块 | 第20-21页 |
| 2.3.3 数据挖掘模块 | 第21-22页 |
| 2.3.4 用户行为预测模块 | 第22-23页 |
| 2.3.5 用户行为优化模块 | 第23页 |
| 2.4 实际开发考量 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于可变阶Markov模型的用户行为预测算法 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 基于用户相似度的模糊聚类算法 | 第27-30页 |
| 3.2.1 用户相似度 | 第27-29页 |
| 3.2.2 用户聚类流程 | 第29-30页 |
| 3.3 用户行为预测算法 | 第30-33页 |
| 3.3.1 可变阶Markov预测模型 | 第30-32页 |
| 3.3.2 预测融合模型 | 第32-33页 |
| 3.4 仿真验证 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于加权Markov模型的用户行为预测算法 | 第36-46页 |
| 4.1 引言 | 第36-37页 |
| 4.2 基于信息熵的最佳阶数选取算法 | 第37-40页 |
| 4.2.1 基于信息熵的相关系数 | 第37-38页 |
| 4.2.2 最佳阶数选取模型 | 第38-40页 |
| 4.3 用户行为预测算法 | 第40-42页 |
| 4.3.1 改进的加权Markov预测模型 | 第40-41页 |
| 4.3.2 基于反馈机制的权值修正方法 | 第41-42页 |
| 4.4 仿真验证 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 面向单用户-多终端场景的用户行为优化算法 | 第46-55页 |
| 5.1 引言 | 第46-47页 |
| 5.2 网络场景 | 第47-48页 |
| 5.3 算法描述 | 第48-51页 |
| 5.3.1 多终端业务信息汇聚机制 | 第48页 |
| 5.3.2 业务时长预算方法 | 第48-49页 |
| 5.3.3 最佳终端推荐模型 | 第49-51页 |
| 5.4 仿真验证 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 全文工作总结 | 第55页 |
| 6.2 未来研究工作的展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录1 攻读硕士学位期间撰写的学术论文 | 第61-62页 |
| 附录2 攻读硕士学位期间申请的发明专利 | 第62-63页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |