基于智能手机流量与传感器数据的用户基础属性研究
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 基于电脑终端的用户基础属性研究 | 第12-13页 |
1.2.2 基于智能手机终端的用户基础属性研究 | 第13-15页 |
1.3 论文的研究内容 | 第15页 |
1.4 论文的章节结构安排 | 第15-17页 |
第二章 相关技术与算法 | 第17-38页 |
2.1 分类算法介绍 | 第17-29页 |
2.1.1 决策树分类算法 | 第17-19页 |
2.1.2 贝叶斯分类算法 | 第19-21页 |
2.1.3 支持向量机 | 第21-25页 |
2.1.4 Boosting算法 | 第25-29页 |
2.2 智能手机传感器硬件 | 第29-37页 |
2.2.1 加速度传感器 | 第29-30页 |
2.2.2 陀螺仪传感器 | 第30-32页 |
2.2.3 GPS传感器 | 第32-34页 |
2.2.4 磁力传感器 | 第34-35页 |
2.2.5 距离传感器 | 第35-37页 |
2.3 本章小结 | 第37-38页 |
第三章 研究方案与数据说明 | 第38-50页 |
3.1 用户基础属性研究问题定义 | 第38-39页 |
3.2 交叉验证方法 | 第39-41页 |
3.2.1 Hold-Out交叉验证 | 第39-40页 |
3.2.2 K-fold交叉验证 | 第40页 |
3.2.3 Leave-One-Out交叉验证 | 第40-41页 |
3.3 研究方案流程 | 第41-48页 |
3.3.1 数据收集与预处理 | 第41-43页 |
3.3.1.1 流量数据收集与格式 | 第42页 |
3.3.1.2 加速度传感器数据收集与格式 | 第42-43页 |
3.3.2 特征定义与提取 | 第43-45页 |
3.3.2.1 流量特征定义与提取 | 第43-44页 |
3.3.2.2 加速度传感器数据特征定义与提取 | 第44-45页 |
3.3.3 用户基础属性预测 | 第45-47页 |
3.3.3.1 流量数据分类器构建 | 第45-46页 |
3.3.3.2 加速度数据分类器构建 | 第46-47页 |
3.3.4 个性化服务 | 第47-48页 |
3.4 实验结果评价指标 | 第48-49页 |
3.5 基于智能手机预测的其他常用方案 | 第49页 |
3.6 本章小结 | 第49-50页 |
第四章 用户基础属性研究系统模型 | 第50-60页 |
4.1 系统模型设计目标 | 第50页 |
4.2 开发环境与部署 | 第50-51页 |
4.3 系统模型架构图 | 第51-52页 |
4.4 系统模型功能模块 | 第52-59页 |
4.4.1 Android客户端模块 | 第52-56页 |
4.4.1.1 Android开发技术 | 第52-53页 |
4.4.1.2 数据收集功能 | 第53-54页 |
4.4.1.3 数据管理功能 | 第54-55页 |
4.4.1.4 数据上传功能 | 第55-56页 |
4.4.2 服务器端模块 | 第56-58页 |
4.4.2.1 任务调度功能 | 第56-57页 |
4.4.2.2 任务处理功能 | 第57-58页 |
4.4.2.3 数据管理功能 | 第58页 |
4.4.2.4 个性化服务功能 | 第58页 |
4.4.3 客户端-服务器端通信模块 | 第58-59页 |
4.5 本章小结 | 第59-60页 |
第五章 实验结果分析 | 第60-68页 |
5.1 实验数据集 | 第60-61页 |
5.1.1 流量数据集 | 第60页 |
5.1.2 加速度数据集 | 第60-61页 |
5.2 数据集分析 | 第61-65页 |
5.2.1 流量数据集分析 | 第62-63页 |
5.2.2 加速度数据集分析 | 第63-65页 |
5.3 系统模型预测结果分析 | 第65-67页 |
5.3.1 基于流量的预测结果 | 第65页 |
5.3.2 基于传感器数据的预测结果 | 第65-67页 |
5.3.3 与常用方案结果的对比 | 第67页 |
5.4 本章小结 | 第67-68页 |
第六章 结束语 | 第68-70页 |
6.1 论文工作总结 | 第68页 |
6.2 论文研究的下一步展望 | 第68-70页 |
致谢 | 第70-71页 |
参考文献 | 第71-75页 |
攻读硕士学位期间取得的成果 | 第75-76页 |