看过本文的还看了

相关文献

该作者的其他文献

CADAL相关文献

文献详情 >基于数字地图技术的移动用户数据特征研究与应用 收藏
基于数字地图技术的移动用户数据特征研究与应用

基于数字地图技术的移动用户数据特征研究与应用

作     者:杨勇 

作者单位:北方工业大学 

作者专业:计算机科学与技术

学位级别:硕士

导师姓名:方英兰

授予年度:2017年

学科分类:07[理学] 0705[理学-地理学] 070503[理学-地图学与地理信息系统] 08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 081203[工学-计算机应用技术] 

主      题:稀疏特征 密集特征 访问偏好 活动区域 

摘      要:随着计算机技术和通信技术的不断进步,移动设备多种多样,功能更加完善,用户的移动数据可以随时随地发送到服务器上,进行有效保存。日积月累,移动数据无论是数量还是种类都变得相当巨大。这对于研究人员挖掘移动数据中所蕴藏的价值,提取移动用户数据特征,向移动用户提供个性化服务,带来了巨大的挑战。本课题依托于网络后台服务器以及Android端滑屏App。用户使用安装了该滑屏App的智能设备时,移动数据便传送并保存到后台服务器上。本文通过分析移动用户数据,根据用户的地理位置信息的稀疏密集程度,提取出了移动数据稀疏特征和密集特征,建立了移动数据稀疏特征模型和密集特征模型。在服务器端实现了移动用户数据特征模型,并将个性化服务器信息推送至客户端。在客户端实现了移动用户数据特征展示,以便用户查看个人的数据特征。首先,结合百度地图API,由地理位置信息转换得到位置语义信息,并对位置语义信息进行类别划分。移动用户刚进入系统时,其移动用户的地理位置数据是稀疏的。为了分析移动用户的访问兴趣点的行为偏好,提取出移动数据稀疏特征—年龄特征、性别特征和类别相似特征。根据提取的移动数据稀疏特征,设计了移动数据稀疏特征模型。其次,随着时间或地点的不断变化,移动数据无论是数量还是种类变得越来越密集。根据当前移动数据的特点,提取出移动数据密集特征—地理位置特征、时间特征和类别特征。利用移动数据密集特征,设计了移动数据密集特征模型。最后,为了验证不同模型的正确性,分析了依据不同模型的得到的推荐结果,并结合Android百度地图API,开发了 Android端移动用户个人数据特征展示模块。此模块包括:移动用户轨迹追踪、移动用户兴趣点展示、移动用户活动区域分布。移动用户个人轨�

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分