智能手机用户认证算法研究与应用
摘要 | 第3-4页 |
abstract | 第4-5页 |
第一章 引言 | 第8-13页 |
1.1 研究背景 | 第8-9页 |
1.2 研究内容与意义 | 第9-10页 |
1.3 研究现状 | 第10-12页 |
1.3.1 国内外研究现状 | 第10-11页 |
1.3.2 研究的难点和挑战 | 第11-12页 |
1.4 后续章节安排 | 第12-13页 |
第二章 相关技术研究 | 第13-21页 |
2.1 常用手机用户认证方法 | 第13-17页 |
2.1.1 基于非生物特征的用户认证方法 | 第13页 |
2.1.2 基于生物特征的用户认证方法 | 第13-17页 |
2.2 数据分析相关技术 | 第17-19页 |
2.2.1 Python介绍 | 第17页 |
2.2.2 数据分析处理软件 | 第17-18页 |
2.2.3 分类算法介绍 | 第18-19页 |
2.3 本章小结 | 第19-21页 |
第三章 用户行为数据采集系统 | 第21-39页 |
3.1 行为数据采集系统需求 | 第21-24页 |
3.1.1 拟采集的数据 | 第21-22页 |
3.1.2 用户行为采集流程 | 第22-24页 |
3.2 行为数据采集系统设计 | 第24-28页 |
3.2.1 系统功能 | 第24-25页 |
3.2.2 系统架构 | 第25-26页 |
3.2.3 数据存储格式 | 第26-27页 |
3.2.4 数据库设计 | 第27-28页 |
3.3 行为数据采集系统实现 | 第28-38页 |
3.3.1 手机客户端 | 第29-36页 |
3.3.2 数据迁移 | 第36-38页 |
3.4 本章小结 | 第38-39页 |
第四章 用户认证 | 第39-57页 |
4.1 数据预处理 | 第39-41页 |
4.2 基于时间序列的用户认证 | 第41-48页 |
4.2.1 构造时间序列 | 第41-43页 |
4.2.2 DTW算法 | 第43-45页 |
4.2.3 实验结果分析 | 第45-48页 |
4.3 基于支持向量机的用户认证 | 第48-55页 |
4.3.1 特征提取 | 第49-50页 |
4.3.2 SVM算法 | 第50-52页 |
4.3.3 实验结果分析 | 第52-55页 |
4.4 本章小结 | 第55-57页 |
第五章 总结与展望 | 第57-59页 |
5.1 总结 | 第57页 |
5.2 展望 | 第57-59页 |
参考文献 | 第59-63页 |
作者在读期间科研成果简介 | 第63-64页 |
致谢 | 第64页 |