| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 用户亲近关系研究现状及研究意义 | 第11-15页 |
| 1.2.1 利用移动用户位置信息推断用户间亲近关系 | 第11-13页 |
| 1.2.2 利用移动用户间通信信息推断用户间的亲近关系 | 第13-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第二章 用户亲近关系挖掘的相关理论 | 第17-24页 |
| 2.1 数据挖掘理论简述 | 第17-18页 |
| 2.2 时空轨迹模式挖掘概述 | 第18-21页 |
| 2.2.1 伴随模式 | 第19-20页 |
| 2.2.2 频繁模式 | 第20-21页 |
| 2.2.3 异常模式 | 第21页 |
| 2.2.4 聚集模式 | 第21页 |
| 2.3 数据分类简述 | 第21-23页 |
| 2.3.1 决策树归纳 | 第22页 |
| 2.3.2 贝叶斯分类方法 | 第22-23页 |
| 2.3.3 基于规则的分类方法 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 利用手机移动轨迹发现用户共现模式的算法 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 概念定义 | 第24-26页 |
| 3.3 用户共现模式挖掘算法 | 第26-29页 |
| 3.4 实验 | 第29-31页 |
| 3.4.1 实验环境 | 第29页 |
| 3.4.2 数据源 | 第29-30页 |
| 3.4.3 实验结果 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 利用手机用户通信信息发现用户间亲近关系 | 第32-45页 |
| 4.1 引言 | 第32页 |
| 4.2 用户亲近关系特征向量定义 | 第32-35页 |
| 4.3 建立用户亲近关系模型 | 第35-38页 |
| 4.4 用户亲近关系挖掘算法 | 第38-40页 |
| 4.5 实验 | 第40-43页 |
| 4.5.1 实验环境 | 第40页 |
| 4.5.2 数据源 | 第40页 |
| 4.5.3 实验结果 | 第40-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 用户共现模式并行程序设计 | 第45-53页 |
| 5.1 Hadoop并行编程模型 | 第45-48页 |
| 5.1.1 MapReduce编程模型 | 第45-47页 |
| 5.1.2 HDFS文件系统 | 第47-48页 |
| 5.2 用户共现模式并行挖掘算法 | 第48-52页 |
| 5.2.1 可行性分析 | 第48页 |
| 5.2.2 并行程序设计 | 第48-51页 |
| 5.2.3 实验 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |