| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 课题的研究意义 | 第9页 |
| 1.3 课题的来源与本文组织 | 第9-11页 |
| 第二章 相关技术研究 | 第11-23页 |
| 2.1 移动应用分类识别研究现状 | 第11-19页 |
| 2.1.1 机器学习概述 | 第12-14页 |
| 2.1.2 聚类分析概述 | 第14-16页 |
| 2.1.3 K-means聚类算法 | 第16-19页 |
| 2.2 移动应用网络友好性评价研究现状 | 第19-22页 |
| 2.2.1 多指标综合评价方法 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于K-means移动应用网络友好性分析系统 | 第23-35页 |
| 3.1 移动应用网络友好性分析系统结构设计 | 第23-25页 |
| 3.2 服务器端软件模块设计 | 第25-28页 |
| 3.2.1 移动应用分类识别模块设计 | 第26-27页 |
| 3.2.2 移动应用网络友好性评价模块设计 | 第27-28页 |
| 3.3 移动终端软件模块设计 | 第28-29页 |
| 3.4 网络交互设计 | 第29-32页 |
| 3.4.1 网络交互流程 | 第29-31页 |
| 3.4.2 HttpClient网络编程 | 第31页 |
| 3.4.3 数据交互 | 第31-32页 |
| 3.5 数据库设计 | 第32-33页 |
| 3.5.1 后台服务器数据库设计 | 第32-33页 |
| 3.5.2 移动终端数存储设计 | 第33页 |
| 3.6 本章小结 | 第33-35页 |
| 第四章 移动应用网络友好性系统关键技术研究与实现 | 第35-50页 |
| 4.1 基于K-means的移动应用分类识别方法 | 第35-45页 |
| 4.1.1 数据处理 | 第36-37页 |
| 4.1.2 噪声点的去除 | 第37-39页 |
| 4.1.3 初始聚类中心的选取 | 第39-41页 |
| 4.1.4 k值的选取 | 第41-43页 |
| 4.1.5 特征模板匹配 | 第43-45页 |
| 4.2 移动应用网络友好性综合评价 | 第45-48页 |
| 4.2.1 基于TOPSIS综合评价方法的最优最劣解求取 | 第46页 |
| 4.2.2 基于最优最劣解的AHP综合评价模型 | 第46-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第五章 系统测试 | 第50-63页 |
| 5.1 测试环境 | 第50-51页 |
| 5.2 功能性测试 | 第51-56页 |
| 5.3 系统性能分析 | 第56-62页 |
| 5.3.1 针对K-Means Plus算法性能分析 | 第56-60页 |
| 5.3.2 移动应用分类识别性能分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间公开的专利 | 第68-69页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
