| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 相关技术 | 第14-26页 |
| 2.1 聚类算法 | 第14-19页 |
| 2.1.1 聚类概念描述 | 第14-15页 |
| 2.1.2 相似性判定 | 第15页 |
| 2.1.3 层次聚类算法 | 第15-17页 |
| 2.1.4 划分聚类算法 | 第17-18页 |
| 2.1.5 密度聚类算法 | 第18页 |
| 2.1.6 图聚类算法 | 第18-19页 |
| 2.1.7 聚类效果评价 | 第19页 |
| 2.2 兴趣点识别 | 第19-20页 |
| 2.3 个性推荐 | 第20-25页 |
| 2.3.1 推荐系统概述 | 第20-21页 |
| 2.3.2 基于用户的协同过滤推荐 | 第21-24页 |
| 2.3.3 基于物品的协同过滤推荐 | 第24-25页 |
| 2.3.4 推荐结果效果评价 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 移动用户POI识别算法 | 第26-42页 |
| 3.1 异常数据识别 | 第26-27页 |
| 3.1.1 剔除噪声点 | 第26页 |
| 3.1.2 删除多行冗余数据 | 第26-27页 |
| 3.1.3 整行模糊填充数据 | 第27页 |
| 3.2 基于移动轨迹的兴趣点识别算法 | 第27-40页 |
| 3.2.1 问题描述及相关定义 | 第27-29页 |
| 3.2.2 基于滑动窗口的用户轨迹数据时间区间提取 | 第29-34页 |
| 3.2.3 二阶速度协同聚类兴趣点识别算法 | 第34-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第4章 时效性个性推荐算法 | 第42-50页 |
| 4.1 问题描述 | 第42页 |
| 4.2 标签规整 | 第42-43页 |
| 4.2.1 标签生成 | 第42-43页 |
| 4.2.2 冗余标签过滤 | 第43页 |
| 4.3 自适应标签打分及权重计算 | 第43-45页 |
| 4.4 时效性状态量转移 | 第45-48页 |
| 4.5 参照标签有选择进行个性推荐 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 实验仿真 | 第50-72页 |
| 5.1 数据集介绍及相关准备 | 第50-52页 |
| 5.2 结合数据的周期性发现及数据修整 | 第52-55页 |
| 5.2.1 基于实验数据移动用户轨迹周期性发现 | 第52-54页 |
| 5.2.2 数据集修祭 | 第54-55页 |
| 5.3 移动用户POI识别算法实验分析 | 第55-62页 |
| 5.3.1 数据预处理 | 第55-57页 |
| 5.3.2 实验分析 | 第57-62页 |
| 5.4 时效性个性推荐算法实验分析 | 第62-70页 |
| 5.4.1 兴趣点标签化 | 第62-66页 |
| 5.4.2 实验分析 | 第66-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第6章 结束语 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |