聚类分析在移动通信用户行为分析中的研究与应用

摘要

随着移动互联网与移动终端的日益发展，终端用户获取信息的方式更加丰富多样，用户越来越依赖于网络，用户个性化需求、用户体验、用户感知度的分析已成为当前的热点。通信行业的客户每天产生大量通信数据，这些业务数据占据大量存储空间，而数据中亦隐藏许多有商业价值的信息，如果能加以发掘利用，将是一笔巨大财富。面对激烈竞争的移动通信市场，客户是运营商赖以生存和业务发展的保障，这要求移动运营商在保证网络服务质量的前提下，对用户的各种业务请求进行快速响应，从而使用户达到最大程度上的满意。
　　 现今，通信行业流行的用户行为分析方法有针对移动增值业务的，有基于网络效应理论的，有基于移动定位数据用户出行模式识别的，等等。这些都是从运营商的角度出发，对营销业务数据开展用户行为分析。另外，如果通信质量以及运营商所提供的服务不好，导致很多用户无法正常使用其想要的服务，从而引发用户投诉，我们将如何分析用户投诉，改善通信质量，以保住现有的顾客，这是运营商亟待解决的一个课题。本文的主要工作正是基于此，展开了下列研究:
　　 1.分析了当前国内外无线通信的研究背景以及研究意义;研究了国内外聚类算法的发展和现状，分析了常用的聚类算法和孤立点挖掘技术及其应用，并进一步分析了聚类算法在移动网络中的应用。
　　 2.研究了常见无线终端定位方法;深入研究了区域信号指纹匹配定位技术以及基于多基站的移动终端定位算法;探讨了信号传播过程中影响定位精度的因素和现有处理方法;进而本文对这两种定位算法提出了修改;将聚类算法与信息熵原理应用到区域指纹匹配算法中，并用修改后的多基站的定位方法进行定位使单位精度更加准确。
　　 3.对本文的三种定位方法进行了比较分析，结合用户行为与位置关联方法之间的关系，通过使用模糊聚类算法建立了用户行为分析模型。
　　 4.由于通信数据量大、规范不一致等特点，不能直接被用来进行数据挖掘，对其进行相应的数据预处理操作成为必须;本文给出了一种高效的快速排序方法。
　　 5.对本文中提到的定位算法以及用户行为分析分别进行了相关实验，实验结果表明了本文的定位方法具有较高的准确率，进而对实验结果进行了详细分析。
　　 最后，本文对论文工作进行了总结，指出了在无线网络环境下移动通信定位方法以及用户行为分析中下一步工作的方向与设想，也描述了孤立点挖掘在移动网络用户行为分析中的应用。

目录

摘要

CONTENTS

第一章 绪论

1．1 研究背景及意义

1．2 国内外发展及现状

1．3 课题研究目标

1．4 课题研究内容

1．5 论文结构

第二章 相关理论与技术

2．1 聚类算法

2．1．1 聚类技术概述

2．1．2 常用的聚类方法

2．2 位置服务平台

2．2．1 GPS定位

2．2．2 基站定位

2．2．3 聚类在用户定位算法中的应用

2．3 小结

第三章 用户行为及其分析

3．1 基于通信数据的用户行为分析的常用方法

3．2 用户行为分析方法

3．3 小结

第四章 移动网络用户行为建模

4．1 体系结构

4．2 组件介绍

4．2．1 用户行为模块

4．2．2 用户行为数据存储方法

4．3 移动用户数据采集与预处理

4．3．1 数据采集

4．3．2 数据预处理

4．4 小结

第五章 基于模糊C均值聚类的用户行为分析

5．1 算法流程

5．2 模糊C均值聚类算法

5．3 用户通信行为指标

5．4 基于FCM算法的用户划分方法

5．5 用户行为与位置关联方法

5．5．1 区域信号指纹匹配方法

5．5．2 基于多基站的移动终端定位算法

5．5．3 影响定位精度的因素及其处理

5．5．4 计算终止条件

5．5．5 计算提速方法

5．5．6 主服务站确定

5．5．7 定位算法步骤

5．6 群聚现象

5．7 基于孤立点的用户行为分析

5．8 小结

第六章 实验结果及分析

6．1 定位算法实验分析

6．1．1 实验环境

6．1．2 数据集

6．1．3 实验结果

6．1．4 算法性能分析

6．2 用户行为实验分析

6．2．1 通信行为聚类

6．2．2 通信行为和移动性

6．2．3 对群聚现象的分析

6．3 小结

总结与展望

参考文献

攻读学位期间从事的科研项目及发表的论文

声明

致谢