基于多层网络流量分析的移动终端用户行为分析
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景和研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文结构安排 | 第12-14页 |
| 第二章 网络流量分析和机器学习 | 第14-25页 |
| 2.1 网络流量分析方法 | 第14-15页 |
| 2.2 机器学习 | 第15-23页 |
| 2.2.1 特征选择 | 第15-19页 |
| 2.2.2 随机森林 | 第19-21页 |
| 2.2.3 K-means算法 | 第21页 |
| 2.2.4 机器学习性能评估 | 第21-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 用户设备指纹集 | 第25-32页 |
| 3.1 方案架构 | 第25-26页 |
| 3.2 数据包捕获和预处理 | 第26页 |
| 3.2.1 获取用户网络数据 | 第26页 |
| 3.2.2 用户数据预处理 | 第26页 |
| 3.3 建立指纹集的原因 | 第26-27页 |
| 3.4 用户设备指纹集组成 | 第27-29页 |
| 3.5 实验数据收集与分析 | 第29-30页 |
| 3.6 本章小结 | 第30-32页 |
| 第四章 多层网络信息统计与处理 | 第32-43页 |
| 4.1 网络层统计特征 | 第32-33页 |
| 4.2 基于网络层信息的用户地理位置预测 | 第33-36页 |
| 4.2.1 用户统计特征信息 | 第33-34页 |
| 4.2.2 用户地理位置预测结果 | 第34-36页 |
| 4.3 应用层URL信息特征 | 第36-38页 |
| 4.4 基于应用层信息的用户类型聚类 | 第38-42页 |
| 4.4.1 用户类型聚类 | 第38-40页 |
| 4.4.2 用户类型规则制定 | 第40-41页 |
| 4.4.3 用户类型校正 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 用户位置、类型与偏好相关性 | 第43-50页 |
| 5.1 用户地理位置对推测用户偏好结果影响 | 第43页 |
| 5.2 用户类型对推测用户偏好结果影响 | 第43-44页 |
| 5.3 用户偏好相关性分析 | 第44-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第54-55页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第55-56页 |
| 致谢 | 第56页 |
