| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 移动大数据的发展 | 第9-10页 |
| 1.2.2 异常轨迹检测的研究现状 | 第10-11页 |
| 1.3 论文研究内容与意义 | 第11-12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第2章 相关技术概述 | 第14-21页 |
| 2.1 移动大数据 | 第14-16页 |
| 2.2 机器学习 | 第16-17页 |
| 2.3 相似用户检测 | 第17-19页 |
| 2.3.1 协同过滤算法理论 | 第17-18页 |
| 2.3.2 TF-IDF算法理论 | 第18-19页 |
| 2.4 异常轨迹检测 | 第19-20页 |
| 2.4.1 传统的异常轨迹检测算法 | 第19-20页 |
| 2.4.2 异常轨迹检测算法新思路 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 移动大数据中相似用户检测方法 | 第21-30页 |
| 3.1 引言 | 第21-22页 |
| 3.2 TTSUDM的设计思想 | 第22-28页 |
| 3.2.1 停留区域挖掘算法 | 第22-24页 |
| 3.2.2 停留位置挖掘算法 | 第24-26页 |
| 3.2.3 TTSUDA | 第26-28页 |
| 3.3 算法实例 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 相似用户之间的异常轨迹检测方法 | 第30-39页 |
| 4.1 问题的提出 | 第30-31页 |
| 4.2 ATDM-SU的设计思想 | 第31-37页 |
| 4.2.1 移动轨迹的定义 | 第32-34页 |
| 4.2.2 轨迹邻居点的定义 | 第34-35页 |
| 4.2.3 异常轨迹的定义 | 第35-37页 |
| 4.3 算法实例 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 实验结果分析 | 第39-54页 |
| 5.1 实验环境 | 第39页 |
| 5.2 实验数据集 | 第39-40页 |
| 5.3 移动大数据中相似用户检测方法实验结果分析 | 第40-47页 |
| 5.3.1 挖掘停留区域算法实验结果分析 | 第40-43页 |
| 5.3.2 挖掘停留位置算法实验结果分析 | 第43-44页 |
| 5.3.3 TTSUDA实验结果分析 | 第44-47页 |
| 5.4 相似用户之间的异常轨迹检测算法实验结果分析 | 第47-53页 |
| 5.4.1 轨迹挖掘算法实验结果分析 | 第47-48页 |
| 5.4.2 异常轨迹检测算法实验结果分析 | 第48-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 论文总结 | 第54页 |
| 6.2 未来工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第61页 |