| 摘要 | 第5-8页 |
| abstract | 第8-10页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 本文研究内容和创新点 | 第15-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第二章 相关内容和理论综述 | 第19-35页 |
| 2.1 国内外研究现状 | 第19-22页 |
| 2.1.1 国内外用户体验质量研究现状 | 第19-21页 |
| 2.1.2 国内外用户行为研究现状 | 第21-22页 |
| 2.2 用户体验质量 | 第22-30页 |
| 2.2.1 QoE定义 | 第22页 |
| 2.2.2 QoE影响因素 | 第22-26页 |
| 2.2.3 QoE量化和评价方法学 | 第26-29页 |
| 2.2.4 常用QoE评价方法分析 | 第29-30页 |
| 2.3 用户行为 | 第30-33页 |
| 2.3.1 用户行为分析过程 | 第30-31页 |
| 2.3.2 常用数据挖掘算法分析 | 第31-33页 |
| 2.4 存在问题和研究思路 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于优化小波神经网络的用户体验质量模型研究 | 第35-55页 |
| 3.1 问题与动机 | 第35-36页 |
| 3.2 研究现状 | 第36-37页 |
| 3.3 QoE模型 | 第37-49页 |
| 3.3.1 QoE影响因素 | 第37-39页 |
| 3.3.2 QoE量化方法 | 第39页 |
| 3.3.3 QoE评价方法 | 第39-44页 |
| 3.3.4 基于ISGSO的评价方法优化 | 第44-49页 |
| 3.4 实验与分析 | 第49-54页 |
| 3.4.1 数据集 | 第49-50页 |
| 3.4.2 评价算法的选择与优化 | 第50-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于改进正则化极限学习机的用户体验质量评价方法研究 | 第55-68页 |
| 4.1 问题与动机 | 第55-56页 |
| 4.2 研究现状 | 第56-57页 |
| 4.3 用户投诉影响因素 | 第57-58页 |
| 4.4 用户投诉预测 | 第58-63页 |
| 4.4.1 正则化极限学习机RELM | 第58-59页 |
| 4.4.2 改进的正则化极限学习机II-FKRELM | 第59-63页 |
| 4.5 实验与分析 | 第63-67页 |
| 4.5.1 数据集与实验设置 | 第63-64页 |
| 4.5.2 算法II-FKRELM性能分析 | 第64-66页 |
| 4.5.3 用户投诉影响因素分析 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 基于自适应密度聚类的用户轨迹行为研究 | 第68-90页 |
| 5.1 问题与动机 | 第68-69页 |
| 5.2 研究现状 | 第69-71页 |
| 5.3 自适应密度轨迹聚类算法ADTC | 第71-80页 |
| 5.3.1 时间和空间距离计算 | 第72-73页 |
| 5.3.2 算法ADTC具体步骤 | 第73-80页 |
| 5.3.3 算法ADTC时间复杂度分析 | 第80页 |
| 5.4 实验与分析 | 第80-88页 |
| 5.4.1 数据压缩 | 第80-81页 |
| 5.4.2 基于聚类中心初始化的实验比较 | 第81-82页 |
| 5.4.3 基于加权粗糙C-means的实验比较 | 第82-84页 |
| 5.4.4 算法ADTC性能分析 | 第84-87页 |
| 5.4.5 算法ADTC的应用 | 第87-88页 |
| 5.5 本章小结 | 第88-90页 |
| 第六章 基于组合模型的用户消费行为研究 | 第90-102页 |
| 6.1 问题与动机 | 第90-91页 |
| 6.2 研究现状 | 第91-93页 |
| 6.3 组合模型 | 第93-97页 |
| 6.3.1 模糊K-Prototypes | 第93-95页 |
| 6.3.2 支持向量机 | 第95-96页 |
| 6.3.3 FKP-SVM | 第96-97页 |
| 6.4 实验与分析 | 第97-100页 |
| 6.4.1 数据属性分析 | 第97-98页 |
| 6.4.2 建模过程 | 第98-99页 |
| 6.4.3 模型评估 | 第99-100页 |
| 6.5 本章小结 | 第100-102页 |
| 第七章 总结与展望 | 第102-105页 |
| 参考文献 | 第105-119页 |
| 攻读博士学位期间取得的研究成果 | 第119-121页 |
| 致谢 | 第121-122页 |
| 附件 | 第122页 |
