声明
摘要
1.1研究背景与意义
1.2国内外研究现状
1.3本文的主要工作
1.4本文的内容安排
第二章相关理论基础
2.1移动流量数据获取方法
2.2数据预处理方法
2.2.1主成分分析
2.2.2皮尔逊相关系数
2.2.3快速傅里叶变换
2.3常用的相似性度量方法
2.3.1欧氏距离
2.3.2动态时间弯曲距离
2.3.3导数动态时间弯曲距离
2.4聚类算法简介
2.4.1 K-means聚类算法
2.4.2层次聚类算法
2.4.3谱聚类算法
2.5本章小结
第三章移动流量数据的相似性度量方法
3.1基于动态时间弯曲的相似性度量方法
3.2基于导数动态时间弯曲的相似性度量方法
3.3改进的相似性度量方法
3.4实验及结果分析
3.4.1数据集及预处理
3.4.2结果分析
3.5本章小结
第四章移动流量数据相似性度量方法的应用
4.1城市功能区划分
4.1.1城市功能区划分探究
4.1.2城市功能区划分结果
4.2城市异常活动检测
4.2.1城市异常活动检测探究
4.2.2城市异常活动检测结果
4.3本章小结
第五章面向移动流量数据研究的系统设计
5.1系统概述
5.2相关技术简介
5.2.1 Spring框架
5.2.2 MyBatis框架
5.2.3 Redis
5.3系统设计
5.3.1功能需求
5.4系统运行实例
5.5本章小结
6.1总结
6.2展望
参考文献
攻读硕士学位期间参加的科研项目和研究成果
致谢
浙江理工大学;