基于位置数据的人类行为识别和相似性研究

摘要

随着科技的发展，让我们能够捕获和存储大量的数据。如通过移动电话，可以持续地记录日常生活中的位置信息、交互信息、社交信息及移动轨迹。从这些数据中提取出与人类行为相关的信息，建立基础数据与高层行为之间的桥梁。人类行为模式的研究融合了模式识别、数据挖掘和认知科学的学科的研究成果，对于人类行为模式的探究，可改进信息技术对社会的服务能力，对这些相关领域起到了重要的推动作用。而基于手机位置信息可以挖掘人类共性社会行为，如预测人类社交、交通和服务需求的特征。
　　本文的主要研究成果可以归纳为：
　　通过对人类行为模式判别的已有方法和实际需求进行分析，并对美国麻省理工学院的现实挖掘数据源进行实验测试研究。通过对现实挖掘项目的数据库进行采集和分析，使用VST-Pruning的方法进行位置数据预处理，使用MATLAB软件对数据库进行有效的可视化，并结合该数据库本身的特点将主成分分析法应用到人类行为的识别，将实验者的位置数据进行主成分计算，建立个人特征行为。同时，参照在人脸识别领域中使用到的主成分分析法，定义了特征行为的计算、提取，重构和预测，并通过相关系数找到了特征行为的实际物理意义。并验证了能够通过前几个主要特征行为对实验者总体的位置轨迹进行还原重构。在建立特征行为后，由特征行为建立的特征行为空间与欧氏距离结合，并应用于个体行为的预测，个体身份的识别和不同群体的分类。最后使用现实挖掘项目中的实际数据获得测试验证。

目录

封面

声明

上海交通大学硕士学位论文答辩决议书

答辩决议草案

中文摘要

英文摘要

目录

第一章 绪论

1.1课题背景

1.2国内外研究现状

1.3人类行为识别研究难点

1.4论文结构安排

第二章 数据挖掘方法基础和工具

2.1数据挖掘简介

2.2位置信息的数据挖掘和位置服务

2.3 MIT数据源结构和采集

2.4相关软件分析工具介绍

2.5本章小结

第三章 位置数据处理与系统概述

3.1系统概述

3.2位置数据预处理

3.3访问点和位置标签提取

3.4本章小结

第四章 基于主成分分析的特征行为建模

4.1主成分分析

4.2现实挖掘的特征行为的表述和分析

4.3本章小结

第五章 群体社会行为规律和相似性分析

5.1群体行为规律

5.2本章小结

第六章 总结和展望

6.1主要工作总结与创新

6.2未来工作展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文