基于手机上下文的用户频繁模式挖掘技术研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-18页 |
| 1.1.1 手机上下文的感知 | 第12-14页 |
| 1.1.2 基于上下文的模式挖掘 | 第14-17页 |
| 1.1.3 研究意义 | 第17-18页 |
| 1.2 研究内容 | 第18-19页 |
| 1.3 论文组织结构 | 第19-20页 |
| 第二章 相关技术研究 | 第20-32页 |
| 2.1 手机传感器数据收集 | 第20-24页 |
| 2.1.1 传感器数据及其特点 | 第20-21页 |
| 2.1.2 传感器数据集及收集框架 | 第21-23页 |
| 2.1.3 比较与结论 | 第23-24页 |
| 2.2 手机上下文感知 | 第24-27页 |
| 2.2.1 上下文感知计算 | 第24页 |
| 2.2.2 活动识别技术 | 第24-25页 |
| 2.2.3 位置识别技术 | 第25-27页 |
| 2.2.4 分析与结论 | 第27页 |
| 2.3 用户行为模式挖掘 | 第27-31页 |
| 2.3.1 用户行为模式的含义 | 第27-28页 |
| 2.3.2 分类算法 | 第28-29页 |
| 2.3.3 关联规则挖掘算法 | 第29-31页 |
| 2.3.4 分析与结论 | 第31页 |
| 2.4 小结 | 第31-32页 |
| 第三章 多源纵向上下文的处理方法 | 第32-43页 |
| 3.1 基本思想 | 第32页 |
| 3.2 传感器数据预处理 | 第32-37页 |
| 3.2.1 位置识别 | 第33-34页 |
| 3.2.2 数据聚合 | 第34-36页 |
| 3.2.3 缺失记录处理 | 第36-37页 |
| 3.3 基于交互时间窗口的动态分割算法 | 第37-40页 |
| 3.3.1 用户交互活动特点 | 第37页 |
| 3.3.2 动态滑动窗口 | 第37-40页 |
| 3.4 实验结果与分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 加权的个体频繁模式挖掘模型 | 第43-52页 |
| 4.1 模型概述 | 第43-44页 |
| 4.2 附加权重的频繁模式挖掘算法 | 第44-47页 |
| 4.2.1 频繁模式的定义 | 第44-45页 |
| 4.2.2 权重的选择与计算 | 第45页 |
| 4.2.3 附加权重的挖掘算法 | 第45-47页 |
| 4.3 实验结果与分析 | 第47-48页 |
| 4.4 模式可视化 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于云的群体频繁模式挖掘系统 | 第52-62页 |
| 5.1 体系架构 | 第52-54页 |
| 5.2 群体频繁模式挖掘算法 | 第54-55页 |
| 5.3 原型系统实现 | 第55-59页 |
| 5.3.1 移动端原型系统实现 | 第55-57页 |
| 5.3.2 云端原型系统实现 | 第57-59页 |
| 5.4 实验结果与分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者在学期间取得的学术成果 | 第70页 |
