基于手机时空轨迹数据的用户移动模式分析与研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 移动数据挖掘研究现状 | 第14-15页 |
| 1.2.2 周期活动模式挖掘研究现状 | 第15-16页 |
| 1.3 研究内容和创新点 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究方法框架 | 第17-18页 |
| 1.3.3 创新点 | 第18-19页 |
| 1.4 论文组织结构 | 第19页 |
| 1.5 本章小结 | 第19-22页 |
| 第二章 相关技术研究 | 第22-32页 |
| 2.1 移动轨迹数据介绍 | 第22-24页 |
| 2.1.1 轨迹数据介绍 | 第22-23页 |
| 2.1.2 轨迹获取技术 | 第23-24页 |
| 2.2 移动模式挖掘概述 | 第24-28页 |
| 2.2.1 轨迹数据预处理技术 | 第24-27页 |
| 2.2.2 移动模式挖掘技术 | 第27-28页 |
| 2.3 序列事件的周期模式挖掘概述 | 第28-30页 |
| 2.3.1 序列事件的周期性介绍 | 第28页 |
| 2.3.2 信号领域的周期检测算法 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于启发式的停留点挖掘 | 第32-40页 |
| 3.1 轨迹数据预处理 | 第32-33页 |
| 3.2 停留点探测 | 第33-36页 |
| 3.2.1 停留点介绍 | 第33-34页 |
| 3.2.2 停留点探测算法设计 | 第34-36页 |
| 3.3 兴趣点挖掘 | 第36-39页 |
| 3.3.1 兴趣点介绍 | 第36-37页 |
| 3.3.2 兴趣点聚类算法介绍 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于傅里叶分析的时间序列分布周期检测 | 第40-48页 |
| 4.1 相关概念 | 第40-42页 |
| 4.1.1 熵与交叉熵 | 第40-41页 |
| 4.1.2 划分方法П | 第41-42页 |
| 4.2 轨迹序列的二进制编码 | 第42-43页 |
| 4.3 移动序列的周期检测 | 第43-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 基于移动序列转换的分类移动模式挖掘 | 第48-56页 |
| 5.1 用户移动模式介绍 | 第48-49页 |
| 5.2 移动模式挖掘 | 第49-55页 |
| 5.2.1 移动数据转换 | 第49-50页 |
| 5.2.2 模式挖掘相关定义 | 第50页 |
| 5.2.3 挖掘非序列移动模式 | 第50-53页 |
| 5.2.4 挖掘序列移动模式 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 实验结果及分析 | 第56-66页 |
| 6.1 实验环境 | 第56-57页 |
| 6.1.1 实验环境介绍 | 第56页 |
| 6.1.2 数据集介绍 | 第56-57页 |
| 6.2 用户轨迹数据的位置建模 | 第57-61页 |
| 6.2.1 轨迹数据预处理 | 第57页 |
| 6.2.2 停留点探测 | 第57-59页 |
| 6.2.3 兴趣点挖掘 | 第59-61页 |
| 6.3 兴趣点的周期检测 | 第61-63页 |
| 6.3.1 轨迹序列的二值化 | 第61-62页 |
| 6.3.2 周期长度检测 | 第62-63页 |
| 6.4 移动模式挖掘 | 第63-65页 |
| 6.4.1 移动序列转换 | 第63-64页 |
| 6.4.2 非序列移动模式挖掘 | 第64页 |
| 6.4.3 序列移动模式挖掘 | 第64-65页 |
| 6.5 本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 作者在学期间取得的学术成果 | 第74页 |
