| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 用户行为分析研究现状 | 第11-13页 |
| 1.2.2 用户行为预测研究现状 | 第13-14页 |
| 1.3 主要研究内容及创新点 | 第14-15页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 创新点 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 相关技术研究 | 第17-29页 |
| 2.1 遥感云服务平台 | 第17-20页 |
| 2.1.1 遥感数据服务 | 第18-19页 |
| 2.1.2 遥感信息产品服务 | 第19-20页 |
| 2.2 数据预处理 | 第20-22页 |
| 2.2.1 用户行为数据采集 | 第21页 |
| 2.2.2 数据预处理的方法 | 第21-22页 |
| 2.3 聚类分析及相关分析技术 | 第22-24页 |
| 2.3.1 聚类分析的概念 | 第22页 |
| 2.3.2 主要的聚类分析方法 | 第22-24页 |
| 2.4 用户行为预测方法 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于遥感云平台的用户行为分析预处理 | 第29-33页 |
| 3.1 用户行为数据来源 | 第29-30页 |
| 3.2 数据预处理 | 第30-32页 |
| 3.2.1 数据清洗 | 第30-31页 |
| 3.2.2 数据特征化 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 基于K均值聚类的遥感云用户行为分析预测方法 | 第33-42页 |
| 4.1 用户行为分析概念及分类 | 第33-34页 |
| 4.2 遥感云用户行为聚类分析方法 | 第34-37页 |
| 4.2.1 方法的基本思想 | 第34页 |
| 4.2.2 用户行为特征向量表示 | 第34-35页 |
| 4.2.3 方法的实现 | 第35-37页 |
| 4.3 基于K均值聚类的用户行为预测方法设计 | 第37-40页 |
| 4.3.1 基于用户聚类和ALS矩阵分解的评分预测方法 | 第37-39页 |
| 4.3.2 构建用户评分计算方法 | 第39-40页 |
| 4.4 基于用户行为分析的遥感云主动服务模块设计 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于K均值聚类的用户行为特征聚类及实验分析 | 第42-52页 |
| 5.1 实验环境 | 第42页 |
| 5.2 用户遥感数据服务行为聚类结果与分析 | 第42-46页 |
| 5.2.1 实验数据集 | 第42页 |
| 5.2.2 聚类结果 | 第42-43页 |
| 5.2.3 结果分析 | 第43-46页 |
| 5.3 用户遥感信息产品服务行为分析 | 第46-49页 |
| 5.3.1 实验数据集 | 第46-47页 |
| 5.3.2 聚类结果分析 | 第47-49页 |
| 5.4 ALS矩阵分解评分预测模型参数确定 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第57-58页 |
| 致谢 | 第58页 |
