| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 引言 | 第9-13页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 2 相关理论知识 | 第13-36页 |
| ·数据挖掘概述 | 第13页 |
| ·序列挖掘算法 | 第13-24页 |
| ·AprioriAll算法 | 第13-15页 |
| ·GSP算法 | 第15-17页 |
| ·FreeSpan算法 | 第17-20页 |
| ·PrefixSpan算法 | 第20-24页 |
| ·分类方法 | 第24-36页 |
| ·分类方法概述 | 第24-26页 |
| ·本模型所采用的分类方法 | 第26-27页 |
| ·贝叶斯定理 | 第27页 |
| ·朴素贝叶斯分类器 | 第27-28页 |
| ·贝叶斯网络分类器 | 第28-36页 |
| 3 用户位置数据挖掘方法研究 | 第36-51页 |
| ·移动通讯用户位置信息分析 | 第36-44页 |
| ·用户工作日位置信息分析 | 第36-39页 |
| ·用户节假日位置信息分析 | 第39页 |
| ·用户移动轨迹与关系判别之间的联系 | 第39-44页 |
| ·频繁轨迹挖掘模型 | 第44-48页 |
| ·移动通讯用户频繁轨迹挖掘算法PrefixSpanFL | 第45-48页 |
| ·序列比对方法 | 第48-51页 |
| 4 关系判别模型建模与实验 | 第51-58页 |
| ·基于位置的社会网络关系判别模型设计 | 第51-52页 |
| ·实验方法 | 第52-54页 |
| ·实验结果 | 第54-58页 |
| 5 结论 | 第58-60页 |
| ·论文工作总结 | 第58页 |
| ·研究课题展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 学位论文数据集 | 第63页 |