基于无线探测的WiFi热点用户行为异常分析
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 引言 | 第10-11页 |
| 1.2 工作内容及成果 | 第11页 |
| 1.3 论文组织结构 | 第11-14页 |
| 第二章 无线用户行为异常分析相关研究 | 第14-22页 |
| 2.1 无线探测技术对比 | 第14-15页 |
| 2.1.1 无线探测技术分类 | 第14-15页 |
| 2.1.2 无线探测技术对比 | 第15页 |
| 2.2 用户行为检测研究及技术 | 第15-18页 |
| 2.2.1 用户行为分析进展 | 第15-16页 |
| 2.2.2 用户行为研究内容 | 第16-18页 |
| 2.3 用户行为异常检测技术 | 第18-19页 |
| 2.3.1 基于统计方法混合模型 | 第18页 |
| 2.3.2 基于距离的异常检测 | 第18-19页 |
| 2.3.3 基于相对密度的异常检测 | 第19页 |
| 2.3.4 基于聚类的异常检测技术 | 第19页 |
| 2.4 本章小结 | 第19-22页 |
| 第三章 无线实境分析系统优化 | 第22-34页 |
| 3.1 无线实境检测技术特点 | 第22-23页 |
| 3.2 无线实境分析系统的系统结构 | 第23-28页 |
| 3.2.1 系统结构 | 第23页 |
| 3.2.2 无线实境分析系统实现方案 | 第23-25页 |
| 3.2.3 数据分析模块实现 | 第25页 |
| 3.2.4 web应用展示构成 | 第25-28页 |
| 3.3 无线实景分析系统优化 | 第28-31页 |
| 3.3.1 系统架构优化 | 第28-30页 |
| 3.3.2 功能拓展 | 第30-31页 |
| 3.4 本章小结 | 第31-34页 |
| 第四章 使用交叉熵进行群体用户异常分析与检测 | 第34-44页 |
| 4.1 交叉熵模型模型及优点 | 第34-35页 |
| 4.2 交叉熵模型的优化 | 第35页 |
| 4.3 交叉熵模型的使用步骤 | 第35-36页 |
| 4.4 交叉熵应用的实例分析 | 第36-40页 |
| 4.4.1 数据预处理 | 第36-37页 |
| 4.4.2 交叉熵模型训练 | 第37-38页 |
| 4.4.3 计算隶属函数 | 第38页 |
| 4.4.4 阈值计算 | 第38-39页 |
| 4.4.5 结果判定 | 第39-40页 |
| 4.5 模型评价参数 | 第40-41页 |
| 4.6 本章小结 | 第41-44页 |
| 第五章 个体用户行为差异分析 | 第44-56页 |
| 5.1 个体用户行为分析要点 | 第44页 |
| 5.2 个体用户行为差异分析 | 第44-49页 |
| 5.2.1 用户信息表示 | 第45页 |
| 5.2.2 层次聚类分析 | 第45-46页 |
| 5.2.3 个体用户聚类过程 | 第46页 |
| 5.2.4 聚类结果及差异分析 | 第46-49页 |
| 5.3 贝叶斯判别个体用户类别 | 第49-54页 |
| 5.3.1 贝叶斯判别模型 | 第50-51页 |
| 5.3.2 贝叶斯判别的算法描述 | 第51-52页 |
| 5.3.3 算法验证及讨论 | 第52-54页 |
| 5.4 用户行为差异分析的应用 | 第54页 |
| 5.5 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读学位期间发表的学术论文 | 第64页 |
