發(fā)布時(shí)間：2024-05-18 04:02

　　隨著無(wú)線網(wǎng)絡(luò)與移動(dòng)互聯(lián)設(shè)備的普及,用戶使用無(wú)線網(wǎng)絡(luò)的同時(shí),產(chǎn)生了海量的無(wú)線路由器日志數(shù)據(jù),即AP(WirelessAccessPoint)日志數(shù)據(jù)。AP日志數(shù)據(jù)是按照時(shí)間排序的、記錄用戶使用行為的一系列數(shù)據(jù),不單單反映了用戶的使用痕跡,還能反映出用戶的個(gè)人偏好及使用習(xí)慣。無(wú)線路由器日志行為,是用戶使用無(wú)線網(wǎng)絡(luò)時(shí)產(chǎn)生的行為規(guī)律,包含用戶豐富的個(gè)性化信息�；�于無(wú)線路由器日志的用戶行為模式分析的研究方法包括數(shù)據(jù)預(yù)處理和AP日志用戶行為模式分析框架。針對(duì)AP日志數(shù)據(jù)無(wú)效記錄、冗余字段較多的問題,采用數(shù)據(jù)清洗、數(shù)據(jù)簡(jiǎn)化和匿名化處理進(jìn)行AP日志數(shù)據(jù)預(yù)處理。無(wú)線路由器日志用戶行為模式分析框架包括用戶群體行為分析和用戶移動(dòng)軌跡分析兩個(gè)方面。用戶群體行為分析分為用戶群體行為規(guī)律分析和用戶群體行為分類分析,用戶群體行為規(guī)律分析采用改進(jìn)的基于密度峰值的聚類算法進(jìn)行分析,得到十一個(gè)不同類別的用戶群體行為;用戶群體行為分類分析采用ID3決策樹分類算法進(jìn)行用戶歸類分析,分類完成后,沒有新的類別產(chǎn)生。用戶移動(dòng)軌跡分析在基于用戶移動(dòng)軌跡建立的用戶行為規(guī)則庫(kù)中,采用PrefixSpan算法進(jìn)行用戶頻繁項(xiàng)集挖掘,最終得到...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 日志挖掘的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 用戶行為分析的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題的研究目標(biāo)及內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
第二章 用戶行為分析及研究方法
    2.1 基于無(wú)線路由器日志的用戶行為模式分析
        2.1.1 用戶行為模式分析內(nèi)容
        2.1.2 用戶行為模式分析流程
    2.2 用戶群體行為分析
        2.2.1 群體行為的形成分析
        2.2.2 群體行為的研究現(xiàn)狀
        2.2.3 群體行為的應(yīng)用分析
    2.3 用戶移動(dòng)軌跡分析
        2.3.1 移動(dòng)軌跡的形成分析
        2.3.2 移動(dòng)軌跡的研究現(xiàn)狀
        2.3.3 移動(dòng)軌跡的應(yīng)用分析
    2.4 基于無(wú)線路由器日志的用戶行為模式研究方法
        2.4.1 AP日志數(shù)據(jù)預(yù)處理
        2.4.2 無(wú)線路由器日志用戶行為分析框架
    2.5 本章小結(jié)
第三章 AP日志數(shù)據(jù)分析及預(yù)處理
    3.1 AP日志數(shù)據(jù)分析
        3.1.1 AP日志數(shù)據(jù)背景
        3.1.2 AP日志數(shù)據(jù)采集
        3.1.3 AP日志數(shù)據(jù)結(jié)構(gòu)
        3.1.4 AP日志數(shù)據(jù)統(tǒng)計(jì)
    3.2 AP日志數(shù)據(jù)預(yù)處理
        3.2.1 AP日志數(shù)據(jù)清洗
        3.2.2 AP日志數(shù)據(jù)簡(jiǎn)化
        3.2.3 AP日志匿名化處理
    3.3 本章小結(jié)
第四章 用戶群體行為分析
    4.1 用戶群體行為規(guī)律分析
        4.1.1 聚類算法分析
        4.1.2 基于密度峰值的聚類算法定義
        4.1.3 基于密度峰值的聚類算法思想
        4.1.4 基于密度峰值的聚類算法流程
        4.1.5 改進(jìn)的基于密度峰值的聚類算法
    4.2 用戶群體行為分類分析
        4.2.1 分類算法分析
        4.2.2 ID3分類算法定義
        4.2.3 ID3分類算法思想
        4.2.4 ID3分類算法流程
    4.3 用戶群體行為結(jié)果分析
        4.3.1 數(shù)據(jù)標(biāo)準(zhǔn)化
        4.3.2 訓(xùn)練數(shù)據(jù)集
        4.3.3 群體行為規(guī)律結(jié)果分析
        4.3.4 群體行為分類結(jié)果分析
    4.4 本章小結(jié)
第五章 用戶移動(dòng)軌跡分析
    5.1 用戶移動(dòng)軌跡分析
        5.1.1 頻繁項(xiàng)集挖掘分析
        5.1.2 PrefixSpan算法舉例
        5.1.3 PrefixSpan算法思想
        5.1.4 PrefixSpan算法流程
    5.2 用戶移動(dòng)軌跡顯示
    5.3 用戶移動(dòng)軌跡結(jié)果分析
        5.3.1 用戶行為規(guī)則庫(kù)
        5.3.2 頻繁項(xiàng)挖掘過程
        5.3.3 可視化顯示
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝



本文編號(hào)：3976426