| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 移动群智感知研究现状 | 第9-11页 |
| 1.2.1 学术研究现状 | 第9-10页 |
| 1.2.2 应用成果概述 | 第10-11页 |
| 1.3 本文研究内容概述 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 相关理论和技术 | 第13-20页 |
| 2.1 移动群智感知体系结构 | 第13-14页 |
| 2.2 轨迹聚类方法概述 | 第14-17页 |
| 2.2.1 基于划分的方法 | 第14-15页 |
| 2.2.2 基于层次的方法 | 第15页 |
| 2.2.3 基于密度的方法 | 第15页 |
| 2.2.4 基于网格的方法 | 第15-16页 |
| 2.2.5 DBSCAN聚类算法 | 第16-17页 |
| 2.3 循环神经网络模型描述 | 第17-20页 |
| 第三章 基于分布式并行聚类的城市热点区域提取方法 | 第20-32页 |
| 3.1 相关概念与定义 | 第20-21页 |
| 3.2 方法整体框架 | 第21-22页 |
| 3.3 基于密度的分区算法 | 第22-26页 |
| 3.4 分布式并行DBSCAN算法 | 第26-28页 |
| 3.5 实验结果与分析 | 第28-32页 |
| 3.5.1 实验环境 | 第28页 |
| 3.5.2 数据集介绍 | 第28页 |
| 3.5.3 评价指标 | 第28-29页 |
| 3.5.4 基于密度的分区算法评价分析 | 第29-30页 |
| 3.5.5 分布式并行DBSCAN算法评价分析 | 第30-32页 |
| 第四章 基于任务区域协作覆盖的参与者选择方法 | 第32-45页 |
| 4.1 方法概览 | 第32-34页 |
| 4.2 基于循环神经网络的位置预测方法 | 第34-39页 |
| 4.2.1 轨迹数据特征的提取 | 第35-36页 |
| 4.2.2 基于循环神经网络的复合因子位置预测模型 | 第36-39页 |
| 4.3 用户相遇概率模型 | 第39页 |
| 4.4 基于任务区域协作覆盖的参与者选择算法 | 第39-41页 |
| 4.5 实验与分析 | 第41-45页 |
| 4.5.1 基于循环神经网络的复合因子位置预测模型实验分析 | 第41-43页 |
| 4.5.2 基于任务区域协作覆盖的参与者选择算法实验分析 | 第43-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 本文研究工作总结 | 第45页 |
| 5.2 未来工作展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 硕士研究生期间学术成果 | 第51-52页 |
| 致谢 | 第52-53页 |
