| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状及存在的问题 | 第11-13页 |
| 1.3 本文研究内容和方法 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 相关概念及技术 | 第16-28页 |
| 2.1 相关概念 | 第16-19页 |
| 2.2 相关技术概述 | 第19-27页 |
| 2.2.1 轨迹数据的获取 | 第19-20页 |
| 2.2.2 轨迹预处理技术 | 第20-21页 |
| 2.2.3 停留位置提取技术 | 第21-22页 |
| 2.2.4 位置预测技术 | 第22-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于变阶马尔科夫模型的位置预测方法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 相关技术及存在的问题 | 第28-30页 |
| 3.3 整体处理框架 | 第30-31页 |
| 3.4 基于多级聚类算法的物理位置提取方法 | 第31-35页 |
| 3.4.1 基于一致性扩展的停留位置提取算法 | 第31-35页 |
| 3.4.2 基于 DBSCAN 算法的物理位置提取方法 | 第35页 |
| 3.5 基于 VOMM 的位置预测方法 | 第35-38页 |
| 3.5.1 变阶马尔科夫模型（VOMM） | 第35-38页 |
| 3.5.2 基于 VOMM 预测用户的下一个位置 | 第38页 |
| 3.6 实验设计 | 第38-43页 |
| 3.6.1 实验数据集 | 第38-39页 |
| 3.6.2 实验评估度量 | 第39页 |
| 3.6.3 实验结果和结论 | 第39-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 基于 Voronoi 图的位置预测方法 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 整体处理框架 | 第44-45页 |
| 4.3 基于 Voronoi 图的语义轨迹挖掘 | 第45-50页 |
| 4.3.1 相关背景知识 | 第46-47页 |
| 4.3.2 Voronoi 图的构建 | 第47-50页 |
| 4.3.3 语义轨迹的挖掘 | 第50页 |
| 4.4 基于统计模型的位置预测方法 | 第50-52页 |
| 4.4.1 马尔科夫模型 | 第50-52页 |
| 4.4.2 变阶马尔科夫模型 | 第52页 |
| 4.5 实验设计 | 第52-55页 |
| 4.5.1 实验数据集及环境 | 第52-53页 |
| 4.5.2 实验评估度量 | 第53页 |
| 4.5.3 实验结果和结论 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 今后工作展望 | 第57-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录 | 第66-67页 |
| 详细摘要 | 第67-69页 |