| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 背景知识 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要内容 | 第12页 |
| 1.4 论文的创新点 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第二章 相关理论研究 | 第15-23页 |
| 2.1 位置数据 | 第15页 |
| 2.2 主题模型算法 | 第15-18页 |
| 2.2.1 主成分分析 | 第16页 |
| 2.2.2 非负矩阵分解 | 第16-17页 |
| 2.2.3 LDA模型 | 第17-18页 |
| 2.3 聚类算法 | 第18-20页 |
| 2.4 神经网络算法 | 第20-23页 |
| 第三章 基于JNMF模型的区域功能发现 | 第23-37页 |
| 3.1 问题的提出 | 第23页 |
| 3.2 数据预处理 | 第23-27页 |
| 3.2.1 数据集描述 | 第23页 |
| 3.2.2 数据去噪 | 第23-24页 |
| 3.2.3 时间延展 | 第24-25页 |
| 3.2.4 地图分割 | 第25-26页 |
| 3.2.5 数据矩阵及预处理 | 第26-27页 |
| 3.3 已有理论调研 | 第27-28页 |
| 3.3.1 基于NMF的区域功能挖掘 | 第27页 |
| 3.3.2 基于LDA的区域功能挖掘 | 第27-28页 |
| 3.4 基于JNMF的区域功能发现 | 第28-29页 |
| 3.5 实验结果与分析 | 第29-35页 |
| 3.5.1 实验设计 | 第30-31页 |
| 3.5.2 使用参数衡量的聚类效果 | 第31-32页 |
| 3.5.3 JNMF模型下的基础行为模式与城市区域划分 | 第32-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于神经网络的用户位置预测 | 第37-49页 |
| 4.1 问题的提出 | 第37-38页 |
| 4.1.1 单一位置预测 | 第37页 |
| 4.1.2 用户路径预测 | 第37-38页 |
| 4.2 已有工作调研 | 第38-41页 |
| 4.2.1 基于贝叶斯网络的预测 | 第38-39页 |
| 4.2.2 基于线性回归分析的预测 | 第39-40页 |
| 4.2.3 基于马尔科夫过程的预测 | 第40-41页 |
| 4.3 基于LSTM的预测 | 第41-43页 |
| 4.3.1 循环神经网络简介 | 第41-42页 |
| 4.3.2 基于LSTM网络模型的预测 | 第42-43页 |
| 4.4 数据预处理 | 第43-44页 |
| 4.5 实验结果与分析 | 第44-47页 |
| 4.5.1 实验设计 | 第44-45页 |
| 4.5.2 实验结果分析 | 第45-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 结束语 | 第49-51页 |
| 5.1 论文工作总结 | 第49-50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 攻读学位期间发表学术论文 | 第57页 |