面向移动流量数据的相似性度量方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文的主要工作 | 第13页 |
| 1.4 本文的内容安排 | 第13-15页 |
| 第二章 相关理论基础 | 第15-27页 |
| 2.1 移动流量数据获取方法 | 第15-16页 |
| 2.2 数据预处理方法 | 第16-19页 |
| 2.2.1 主成分分析 | 第16-18页 |
| 2.2.2 皮尔逊相关系数 | 第18页 |
| 2.2.3 快速傅里叶变换 | 第18-19页 |
| 2.3 常用的相似性度量方法 | 第19-23页 |
| 2.3.1 欧氏距离 | 第19-20页 |
| 2.3.2 动态时间弯曲距离 | 第20-22页 |
| 2.3.3 导数动态时间弯曲距离 | 第22-23页 |
| 2.4 聚类算法简介 | 第23-26页 |
| 2.4.1 K-means 聚类算法 | 第23-24页 |
| 2.4.2 层次聚类算法 | 第24-25页 |
| 2.4.3 谱聚类算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 移动流量数据的相似性度量方法 | 第27-34页 |
| 3.1 基于动态时间弯曲的相似性度量方法 | 第27页 |
| 3.2 基于导数动态时间弯曲的相似性度量方法 | 第27-28页 |
| 3.3 改进的相似性度量方法 | 第28-30页 |
| 3.4 实验及结果分析 | 第30-33页 |
| 3.4.1 数据集及预处理 | 第30页 |
| 3.4.2 结果分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 移动流量数据相似性度量方法的应用 | 第34-41页 |
| 4.1 城市功能区划分 | 第34-37页 |
| 4.1.1 城市功能区划分探究 | 第35-36页 |
| 4.1.2 城市功能区划分结果 | 第36-37页 |
| 4.2 城市异常活动检测 | 第37-40页 |
| 4.2.1 城市异常活动检测探究 | 第37-39页 |
| 4.2.2 城市异常活动检测结果 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 面向移动流量数据研究的系统设计 | 第41-48页 |
| 5.1 系统概述 | 第41-42页 |
| 5.2 相关技术简介 | 第42-44页 |
| 5.2.1 Spring框架 | 第42-43页 |
| 5.2.2 MyBatis框架 | 第43-44页 |
| 5.2.3 Redis | 第44页 |
| 5.3 系统设计 | 第44-46页 |
| 5.3.1 功能需求 | 第45-46页 |
| 5.4 系统运行实例 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间参加的科研项目和研究成果 | 第55-56页 |
| 致谢 | 第56页 |
