学位论文 > 优秀研究生学位论文题录展示
移动通信网中特定群体发现及行为分析研究
作 者: 刘分
导 师: 汤红波
学 校: 解放军信息工程大学
专 业: 通信与信息系统
关键词: 群体发现 行为分析 通联关系 位置信息 社交关系 通信行为
分类号: TN929.5
类 型: 硕士论文
年 份: 2013年
下 载: 1次
引 用: 0次
阅 读: 论文下载
内容摘要
随着社会媒体网络和信息技术的迅猛发展,移动通信成为现实社会生活中人们进行沟通交流和获取信息的重要方式,对应网络空间中的用户群体关系与行为在很大程度上能够反映出用户的真实社会群体关系与行为。然而,当前的群体发现方法主要是利用用户的通信关系和网络属性对用户之间在虚拟网络中的群体关系进行挖掘,未能结合移动通信网络的特征,不适用于发现移动通信网络中蕴含的现实社会中的密切群体关系。鉴于此,本文将基于以上问题展开相关研究。本文以国家863重点项目为依托,在深入分析现有群体发现及行为分析方法的基础之上,对现实社会生活中具有密切社会关系的特定群体展开研究,并在发现的特定群体关系的基础之上,对群体用户的位置轨迹行为和通信行为进行研究。主要工作和研究成果如下:1.提出了基于相似性聚类的移动通信网特定群体发现方法。从用户通信关系和位置信息出发,以用户通信关系的紧密性和位置规律的聚集性作为特定群体关系的衡量指标,建立通信距离相似性和位置规律相似性度量标准。并利用改进的分裂聚类算法实现对现实社会中密切关系群体的发现。该方法综合利用了用户的通信特征和位置特征,能够更好的反映用户在现实社会生活中的密切群体关系。2.提出了基于位置轨迹关联的异常用户深度关系挖掘算法。在实现对特定群体发现的基础之上,建立异常位置轨迹度量标准,发现位置轨迹异常的群体用户。在此基础之上,提出了基于异常轨迹用户的群体关联用户挖掘算法,利用异常用户的通信关系和位置轨迹相关性发现与群体具有位置轨迹关联的用户。该方法实现了对群体位置轨迹关联用户的挖掘,而且在缩小关联用户范围和准确性方面具有较好的表现。3.提出了一种基于模糊c均值聚类的特定群体异常行为挖掘算法。该方法首先将群体依据通信行为特征进行聚类,划分为粒度更小的多个通信特征子群;然后,针对各个特征子群,通过定义子群体异常因子,建立群体异常行为度量指标,进而提出了一种群体异常行为挖掘算法;最后输出存在异常行为的特定子群,同时可以对整个群体的异常进行判定。该算法有效的减小了目前异常行为分析方法存在的“虚警”和“漏警”概率,提高了群体异常行为判定的准确率,具有较好的适应性。
|
全文目录
摘要 4-5 ABSTRACT 5-12 第一章 绪论 12-20 1.1 研究背景 12-14 1.1.1 复杂网络理论的兴起 12 1.1.2 移动通信网络用户关系及行为分析 12-14 1.2 问题的提出及研究意义 14-16 1.2.1 问题的提出 14-15 1.2.2 研究的意义 15-16 1.3 国内外研究现状 16-18 1.3.1 群体发现技术的研究现状 16-17 1.3.2 网络用户行为分析的研究现状 17-18 1.4 论文研究内容 18-19 1.5 论文组织结构 19-20 第二章 网络用户群体发现及行为分析理论研究 20-30 2.1 网络用户群体发现理论研究 20-25 2.1.1 网络拓扑结构分析 20 2.1.2 网络结构度量指标 20-22 2.1.3 网络用户群体发现方法 22-25 2.2 网络用户行为分析理论研究 25-28 2.2.1 网络用户行为的概念与分类 25-26 2.2.2 网络用户行为特性的选择与表示 26-27 2.2.3 网络用户异常行为分析方法 27-28 2.3 本章小结 28-30 第三章 基于相似性聚类的移动通信网特定群体发现算法 30-42 3.1 引言 30 3.2 通信距离相似性度量 30-31 3.3 位置规律相似性度量 31-35 3.3.1 序列模式挖掘 32 3.3.2 位置规律挖掘算法 32-34 3.3.3 位置规律相似性度量标准 34-35 3.4 基于相似性聚类的群体发现 35-37 3.4.1 相似性度量 36 3.4.2 基于分裂聚类的群体发现算法 36-37 3.5 仿真与结果分析 37-40 3.5.1 实验数据描述 37 3.5.2 实验结果分析 37-40 3.6 本章小结 40-42 第四章 基于位置轨迹关联的异常用户深度关系挖掘算法 42-52 4.1 引言 42 4.2 异常位置轨迹度量标准 42-46 4.2.1 用户位置轨迹序列规律建模 42-43 4.2.2 位置轨迹序列中单点位置异常的度量 43-45 4.2.3 基于时间窗的艾伦逻辑轨迹异常度量 45-46 4.3 基于异常轨迹用户的群体关联用户挖掘算法 46-49 4.3.1 算法思想 46 4.3.2 算法描述 46-49 4.4 仿真与结果分析 49-51 4.4.1 实验数据描述 49 4.4.2 实验结果分析 49-51 4.5 本章小结 51-52 第五章 基于模糊 c 均值聚类的特定群体异常行为挖掘 52-62 5.1 引言 52 5.2 通信行为特征子群划分 52-54 5.2.1 通信行为特征度量 52-53 5.2.2 基于模糊 c 均值聚类的子群体划分 53-54 5.3 基于通信特征子群的异常行为挖掘 54-57 5.3.1 群体异常行为度量方法 55-56 5.3.2 群体异常行为特征挖掘算法 56-57 5.4 仿真与结果分析 57-60 5.4.1 实验数据描述 57 5.4.2 实验结果分析 57-60 5.5 本章小结 60-62 第六章 结束语 62-64 6.1 结论 62 6.2 本文的主要创新点 62-63 6.3 下一步的研究工作展望 63-64 致谢 64-66 参考文献 66-70 作者简历 攻读硕士学位期间完成的主要工作 70
|
相似论文
- 基于Web日志的用户挖掘研究与实现,TP311.13
- 企业销售团队管理研究,F224.32
- 基于用户行为数据分析的移动互联业务推荐模型,TP311.13
- 基于数据挖掘的社区网站用户行为分析系统,TP393.092
- 基于Wi-Fi无线定位的消费者行为分析系统设计与实现,TP311.52
- 基于MAPX的主动式LBS系统的设计与实现,P228.4
- 三维空间关系定性分析,P208
- 基于行为分析的商业中心区公共空间组织与设计策略研究,TU984.13
- 基于Intranet环境的主机行为实时分析系统,TP393.08
- 基于兴趣分类的用户行为分析系统的研究,TP393.092
- 对等网中基于位置和兴趣的内容搜索,TP393.02
- 基于客户行为分析的移动电子渠道协同平台方案设计与应用,TP393.09
- Windows环境下针对Rootkit隐藏技术的木马检测技术,TP393.08
- 邮件通联关系网络中重要节点及社团发现技术研究,TP393.098
- 网络行为监控系统的设计与实现,TP393.06
- 基于行为分析的代码危害性评估技术研究,TP393.08
- 基于采样数据流挖掘的网络行为分析研究,TP393.08
- 恶意代码检测与分类技术研究,TP393.08
- 恶意软件行为分析及变种检测技术研究,TP309.5
- 基于操作虚拟化及时序逻辑的恶意代码分析,TP393.08
- 基于主机异常行为的分布式恶意代码检测技术研究,TP393.08
中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信 > 移动通信
© 2012 www.xueweilunwen.com
|