| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 位置预测 | 第10-11页 |
| 1.2.2 位置推荐 | 第11-13页 |
| 1.3 本文主要的研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 地理位置数据表示与发现 | 第15-29页 |
| 2.1 相关概念 | 第15-17页 |
| 2.2 停止点发现方法 | 第17-23页 |
| 2.2.1 轨迹预处理方法 | 第18-20页 |
| 2.2.2 轨迹点聚类处理 | 第20页 |
| 2.2.3 基于DBSCAN的重要位置发现方法 | 第20-23页 |
| 2.3 基于路网的位置表示方法 | 第23-26页 |
| 2.3.1 数据预处理 | 第23-24页 |
| 2.3.2 基于路网的位置表示算法 | 第24-26页 |
| 2.4 实验分析 | 第26-28页 |
| 2.4.1 评价方法 | 第26页 |
| 2.4.2 实验结果 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 连续时序下的位置预测方法 | 第29-47页 |
| 3.1 位置预测技术 | 第29-32页 |
| 3.1.1 马尔科夫模型 | 第29页 |
| 3.1.2 高斯混合模型 | 第29-32页 |
| 3.2 基于高斯混合模型的位置预测 | 第32-34页 |
| 3.3 基于连续时序马尔科夫模型的位置预测 | 第34-38页 |
| 3.3.1 基于连续时序的马尔科夫模型简述 | 第34-36页 |
| 3.3.2 基于连续时序马尔科夫模型 | 第36-37页 |
| 3.3.3 位置预测算法 | 第37-38页 |
| 3.4 基于连续时序马尔科夫模型与马尔科夫模型关系 | 第38-39页 |
| 3.5 实验分析 | 第39-45页 |
| 3.5.1 数据集 | 第39-41页 |
| 3.5.2 实验结果 | 第41-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 基于时间衰减因子的位置推荐方法 | 第47-65页 |
| 4.1 位置推荐技术 | 第47-51页 |
| 4.1.1 协同过滤推荐算法 | 第47-50页 |
| 4.1.2 奇异值分解推荐算法 | 第50-51页 |
| 4.2 基于时间衰减因子的位置推荐方法数学模型 | 第51-54页 |
| 4.3 基于时间衰减因子的位置推荐方法实现 | 第54-55页 |
| 4.4 实验分析 | 第55-63页 |
| 4.4.1 数据集 | 第55-57页 |
| 4.4.2 评价方法 | 第57页 |
| 4.4.3 实验结果 | 第57-63页 |
| 4.5 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间的主要科研成果 | 第71-73页 |
| 致谢 | 第73页 |