基于蜂窝网络数据的用户移动性分析和兴趣区挖掘
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 蜂窝网络数据与平台概述 | 第17-25页 |
| 2.1 蜂窝网络的数据类型 | 第17-18页 |
| 2.2 蜂窝无线网络大数据平台 | 第18-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 用户的移动性研究 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 轨迹数据预处理 | 第25-27页 |
| 3.2.1 获取历史轨迹 | 第26页 |
| 3.2.2 去除轨迹中的噪声数据 | 第26-27页 |
| 3.3 用户移动范围分析 | 第27-36页 |
| 3.3.1 用户出行距离分析 | 第27-29页 |
| 3.3.2 用户出行回转半径分析 | 第29-31页 |
| 3.3.3 用户轨迹凸包面积分析 | 第31-34页 |
| 3.3.4 用户访问基站数分析 | 第34-36页 |
| 3.4 用户的移动模式分析 | 第36-40页 |
| 3.4.1 基于地图数据的POI标注 | 第37页 |
| 3.4.2 时间序列的频繁模式挖掘算法 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于用户移动性的功能区识别和兴趣区域挖掘 | 第41-63页 |
| 4.1 引言 | 第41-42页 |
| 4.2 基于用户移动性的功能区识别 | 第42-51页 |
| 4.2.1 高斯混合模型 | 第42-44页 |
| 4.2.2 特征选取和模型生成 | 第44-45页 |
| 4.2.3 功能区识别和结果分析 | 第45-51页 |
| 4.3 基于用户移动性的兴趣区域挖掘 | 第51-62页 |
| 4.3.1 HITS算法的基本原理 | 第51-52页 |
| 4.3.2 基于概率HITS模型 | 第52-54页 |
| 4.3.3 基于Spark的HITS算法实现 | 第54-56页 |
| 4.3.4 兴趣区域分析 | 第56-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 研究工作总结 | 第63页 |
| 5.2 未来工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
