检索结果-内蒙古大学图书馆

作者：薛丹东华大学

学位级别：硕士

随着移动通信技术和计算机网络技术的不断发展和广泛应用,在不久的将来,移动计算机可以在任何时间、地点接入各类网络,以获取所需的数据信息,这种特殊的分布式计算环境被称为移动计算。移动计算技术是对未来最有影响的技术之一,它已成... 详细信息

随着移动通信技术和计算机网络技术的不断发展和广泛应用,在不久的将来,移动计算机可以在任何时间、地点接入各类网络,以获取所需的数据信息,这种特殊的分布式计算环境被称为移动计算。移动计算技术是对未来最有影响的技术之一,它已成为一个新兴的热点研究领域。在移动计算中,预测移动用户的位置,并根据位置设计合理高效的移动性管理策略,是移动计算中最具有挑战性的问题之一。如何有效地预测移动用户的位置,是实现基于预测位置的移动性管理的关键。另一方面,在移动计算环境中,移动决策问题对于移动用户来说是至关重要的。移动用户如何根据网络的通信质量和道路情况选择一条到达目标的最优移动路径,是移动决策问题中的一个重要部分。本课题主要以国家自然科学基金资助项目(70271001)—移动决策理论与移动决策支持系统研究作为研究的背景,首先提出了两种用于进行移动用户位置预测的不同方法。在移动用户有关位置信息较少的情况下,我们提出了运用局部线性预测的方法对移动用户的位置进行实时预测,并对移动用户在一维平面和二维平面内的运动进行了仿真。在移动用户存在大量位置信息的情况下,我们提出了使用基于数据挖挖掘的移动用户位置的非实时预测。它是对网络中储存在归属位置寄存器中的大量移动日志进行挖掘,并根据挖掘到的移动模式,预测得到移动用户的位置。整个预测算法可以分为三个阶段。第一阶段在原有的APriori挖掘算法的基础上, 针对移动日志数据库不断更新的情况,我们提出了APriori 的增量挖掘算法。由于APriori挖掘算法效率比较低,我们提出将Prefixspan算法用于用户移动模式的挖掘。并通过实例比较得出,APriori算法和Prefixspan算法具有相同的挖掘结果,但Prefixspan算法的挖掘效率较高。第二阶段从用户移动性模式中提取移动性规则。第三阶段进行移动性规则的匹配,将与移动用户当前运动相匹配的规则用来预测用户的下一次运动位置。同时,我们对在具体空间环境中的移动用户运动问题作了一些探讨,研究了在固定目标条件下,移动用户综合考虑道路上的通信质量和道路长度两方面的因素的最优路径选择问题。我们建立了移动用户的运动模型,提出了对道路上的通信质量和该道路长度加权,并只对以当前节点为起点的边比较权值的方法,用于移动用户最优路径的选择。本文的研究成果可以用于基于预测的位置更新和寻呼, 以改进移动性管理的性能,减少信令开销,提高系统容量, 对于现有移动通信系统的改进以及新一代移动通信系统的高效运行等领域的研究具有一定的借鉴作用。同时,在固定

关键词：移动计算移动性管理局部线性预测用户移动模式移动性预测最优移动路径

来源：评论

学校读者我要写书评

暂无评论

用户移动模式挖掘的研究及应用

用户移动模式挖掘的研究及应用

引用

作者：徐显九西南交通大学

学位级别：硕士

在现实世界中，绝大多数用户的移动行为都有一定的规律性。随着移动通信技术和计算机技术的迅速发展和广泛应用，在移动计算环境积累了海量的、动态变化的关于用户移动的时空数据。对这些数据进行挖掘，可以有效地发现用户移动的规律性... 详细信息

在现实世界中，绝大多数用户的移动行为都有一定的规律性。随着移动通信技术和计算机技术的迅速发展和广泛应用，在移动计算环境积累了海量的、动态变化的关于用户移动的时空数据。对这些数据进行挖掘，可以有效地发现用户移动的规律性，即用户移动模式，这些模式在移动通信网络规划设计、移动性管理、以及基于位置管理的服务领域都有重要意义，这正是用户移动模式挖掘的意义所在。数据挖掘是从海量数据中提取信息的重要技术，序列模式挖掘是***，***在1995年首先提出的。近年来，国内外学者对序列模式挖掘进行了很多研究并提出了很多算法，一些算法已经逐渐趋于成熟。在移动计算环境中，对用户移动模式的挖掘与序列模式挖掘有相似的地方，但是又有自身的特征，所以序列模式挖掘的方法不能直接用于用户移动模式的挖掘。对于用户移动模式挖掘，国内外也有一些研究和算法，但是移动计算环境中实时性要求较高，算法的效率还有待进一步提高。本文首先介绍了移动计算环境中用户移动性管理和用户移动模式挖掘的各类算法，分析了用户移动模式挖掘的关键技术，然后在原有算法的基础上结合图论的相关知识提出了一种改进算法；本文还提出一种新的用户移动模式表示方法并给出了挖掘算法和更新挖掘方法。为了给用户移动模式挖掘领域的学者进行算法验证提供有效的数据集，本文设计并实现了一个用户移动性仿真系统。最后，用两种数据集(Stanford大学提供的和仿真系统产生的)对本文提出的用户移动模式挖掘算法进行了验证。

关键词：数据挖掘用户移动模式 Apriori算法

来源：评论

学校读者我要写书评

暂无评论

一种无线通信环境中用户移动模式的挖掘算法

引用

软件学报 2002年第8期13卷 1465-1471页

作者：宋国杰唐世渭杨冬青王腾蛟叶恒强北京大学计算机科学技术系北京100871 广州新太科技股份有限公司广东广州510665

发现无线通信环境中用户的移动模式是移动对象管理中的一个关键问题.提出一种快速挖掘该模式的算法SAM(split and merge),用来挖掘移动对象所产生有序数据集中潜在的移动模式,从而为移动对象管理提供服务.该算法将自底向上搜索和自顶向... 详细信息

发现无线通信环境中用户的移动模式是移动对象管理中的一个关键问题.提出一种快速挖掘该模式的算法SAM(split and merge),用来挖掘移动对象所产生有序数据集中潜在的移动模式,从而为移动对象管理提供服务.该算法将自底向上搜索和自顶向下过滤技术相结合,采用图存储压缩数据集方法,利用非频繁项集分解子图和频繁长模式过滤数据集相结合的技术,大大减少了迭代次数,降低了CPU时间.最后给出了算法性能比较和算法分析.结果表明,该算法是有效的.

关键词：无线通信用户移动模式数据挖掘最大频繁项集移动模式移动对象管理移动通信算法数据库

来源：评论

学校读者我要写书评

暂无评论

基于时间的用户移动模式挖掘研究

基于时间的用户移动模式挖掘研究

引用

作者：岳爱萍西南交通大学

学位级别：硕士

大多数移动用户在现实生活中的移动行为都有一定规律,如果对其移动日志进行研究,将会找到这些规律,我们称之为用户移动模式。用户移动模式在移动通信网络规划设计、移动性管理及基于位置管理的服务领域都有非常重要的作用。如果将用户... 详细信息

大多数移动用户在现实生活中的移动行为都有一定规律,如果对其移动日志进行研究,将会找到这些规律,我们称之为用户移动模式。用户移动模式在移动通信网络规划设计、移动性管理及基于位置管理的服务领域都有非常重要的作用。如果将用户移动模式和其他数据信息结合起来,如商务信息,可以发现用户的行为模式,能够为用户提供基于地点和时间多变性的更加个性化的服务。目前,随着移动通信技术与计算机技术的飞速发展,实现了对移动对象进行跟踪定位,从而在移动计算环境中产生了大量的、动态变化的用户移动的时空数据,这些移动日志就是我们研究的对象。数据挖掘技术日趋成熟,已经成为用户移动模式挖掘的一种重要工具。数据挖掘就是从大量有噪声、不完整、甚至是不一致数据集中发现有意义的模式知识。序列模式挖掘是数据挖掘中一种重要的方法,自从***和***在1995年提出该方法以来,国内外学者对其进行了大量的研究并提出了很多算法。用户移动模式与序列模式虽然有相似的地方,但是又有其特性,因此序列模式挖掘的方法不能直接用于挖掘用户移动模式。目前关于用户移动模式挖掘的研究有了一定进展,但是大部分研究没有充分考虑时间因素,而是简单的把时间作为形成用户移动序列的依据,在挖掘出来的模式和移动性预测上没有考虑时间因素,而在现实生活中用户的移动与时间有非常密切的关系。本文首先概述了数据挖掘和序列模式挖掘的相关知识,接着介绍了移动计算环境中用户移动性管理和用户移动模式挖掘的相关算法,然后分析了不考虑时间因素的用户移动模式挖掘的一些缺陷,分析时间因素在用户移动模式中的作用,采用一种新的数据预处理方法,和新的支持度计算方法,从而提出基于时间的用户移动模式挖掘算法。在理论研究的基础上,设计并实现了基于时间的用户移动模式挖掘及预测系统,同时结合位置和时间因素进行用户移动性预测;系统使用的数据集由Stanford大学移动仿真研究实验室提供,性能分析显示,基于时间的用户移动模式挖掘有比较好的预测准确度。

关键词：数据挖掘用户移动模式 Apriori算法

来源：评论

学校读者我要写书评

暂无评论

基于深度表示模型的移动模式挖掘

引用

计算机应用 2016年第1期36卷 33-38页

作者：陈勐禹晓辉刘洋山东大学计算机科学与技术学院济南250101

针对时空轨迹中位置顺序和时间对于理解用户移动模式的重要性,提出了一种新的用户轨迹深度表示模型。该模型考虑到时空轨迹的特点:1)不同的位置顺序表示不同的移动模式;2)轨迹有周期性并且在不同的时间段有变化。首先,将两个连续的位置... 详细信息

针对时空轨迹中位置顺序和时间对于理解用户移动模式的重要性,提出了一种新的用户轨迹深度表示模型。该模型考虑到时空轨迹的特点:1)不同的位置顺序表示不同的移动模式;2)轨迹有周期性并且在不同的时间段有变化。首先,将两个连续的位置点组合成位置序列;然后,将位置序列和对应的时间块组合成时间位置序列,作为描述轨迹特征的基本单位;最后,利用深度表示模型为每个序列训练特征向量。为了验证深度表示模型的有效性,设计实验将时间位置序列向量应用到用户移动模式发现中,并利用Gowalla签到数据集进行了实验评测。实验结果显示提出的模型能够发现"上班""购物"等明确的模式,而Word2Vec很难发现有意义的移动模式。

关键词：时空轨迹挖掘用户移动模式深度表示模型时间位置序列向量哈夫曼编码

来源：评论

学校读者我要写书评

暂无评论

基于深度表示模型的旅游路线推荐算法研究

引用

软件导刊 2017年第12期16卷 158-161页

作者：梁栋屹陶宏曜刘兴旺中南民族大学计算机科学学院湖北武汉430074

针对现有旅游路线推荐算法在实际应用中景点标签缺失、依赖用户评分等缺陷,提出一种基于深度表示模型的旅游路线推荐算法。根据时空轨迹隐含的位置顺序和时间中的用户移动模式,建立深度表示模型对每个用户的时空间序列训练特征向量,并用... 详细信息

针对现有旅游路线推荐算法在实际应用中景点标签缺失、依赖用户评分等缺陷,提出一种基于深度表示模型的旅游路线推荐算法。根据时空轨迹隐含的位置顺序和时间中的用户移动模式,建立深度表示模型对每个用户的时空间序列训练特征向量,并用Kmeans算法对训练结果进行聚类。为验证实验结果,将用户的移动模式应用到旅游路线推荐上,选择使用Gowalla上的签到数据集进行检测。实验结果表明,包含诸如"购物","夜生活"等标签的移动轨迹具备推荐价值。

关键词：社交网络深度表示模型 Kmeans聚类用户移动模式训练特征向量

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：