基于WiFi扫描列表的用户生活模式挖掘

摘要

得益于装有多种传感器的智能手机的快速发展，代表用户移动过程的轨迹数据被方便的记录下来(GPS、GSM network、WiFi等)。这些蕴含用户位置信息的数据为理解用户的出行意图、移动规律和行为模式等提供了新的机会。近年来，通过用户轨迹数据来发现用户行为规律的研究成果越来越多，然而通过数据挖掘等技术手段也能非常容易的从中挖掘出各种敏感信息，这引起了人们对于隐私泄露的担忧。
　　本文基于手机WiFi扫描列表抽象得到的用户移动轨迹，来对持机用户的移动规律进行深入研究，目标是在保护用户隐私的基础上挖掘用户的生活模式。本文的主要贡献有:
　　1)提出了一种使用图模型来表示用户移动性的方法，通过对WiFi扫描列表聚类得到用户访问地点，然后基于用户在地点间的轨迹来构建移动图。
　　2)在用户移动图上，一方面基于用户频繁轨迹来发现用户群体的移动模式，另一方面通过用户在活动区域上的行为特征来进一步刻画用户移动性。
　　3)设计了一种基于地点时间特征的聚类质心叠加方法来识别所有用户的家和工作地点，通过分析用户在家和工作地的行为来理解用户作息规律。

目录

声明

摘要

第1章 绪论

1．1 课题背景及研究意义

1．2 相关工作

1．3 本文工作

1．4 论文组织

1．5 本章小结

第2章 关键技术介绍

2．1 相似性度量

2．2 聚类算法

2．2．1 Kmeans算法

2．2．2 Dbscan算法

2．3 PrefixSpan算法

2．4 复杂网络中的社群发现

2．5 本章小结

第3章 数据集介绍及预处理

3．1 数据集介绍

3．2 数据预处理

3．3 本章小结

第4章 移动图模型构建

4．1 访问地点发现

4．1．1 停留点提取

4．1．2 停留点聚类

4．2 移动图模型构建

4．3 实验结果及分析

4．3．1 访问地点发现实验

4．3．2 移动图模型构建实验

4．4 本章小结

第5章 基于WiFi扫描列表的用户移动特性发现

5．1 频繁轨迹发现

5．2 基于频繁轨迹的用户群体移动模式发现

5．3 用户区域活动特性发现

5．3．1 活动区域发现

5．3．2 基于活动区域的用户移动性定义

5．4 实验结果及分析

5．4．1 频繁轨迹挖掘实验

5．4．2 基于频繁轨迹的用户群体移动模式发现实验

5．4．3 用户区域活动特性发现实验

5．5 本章小结

第6章 用户作息规律挖掘

6．1 重要地点语义推理

6．1．1 地点特征构建

6．1．2 重要地点聚类

6．2 用户作息规律挖掘

6．2．1 在家的行为模式发现

6．2．2 在工作地点的行为模式发现

6．3 实验结果及分析

6．3．1 地点语义推理实验

6．3．2 用户在家的行为模式实验

6．3．3 用户在工作地点的行为模式实验

6．4 本章小结

第7章 工作总结及未来展望

7．1 工作总结

7．2 未来展望

参考文献

攻读硕士学位期间主要的研究成果

致谢