基于小波聚类的网络用户行为分析研究

发布时间：2017-04-02 23:04

  本文关键词：基于小波聚类的网络用户行为分析研究，，由笔耕文化传播整理发布。

【摘要】：随着互联网的迅猛发展,网络用户达到了空前的数量,各种网络应用日益丰富,人们利用互联网开展的工作、娱乐和服务项目越来越多。近年来,网络运营商以及服务提供商开始对网络中用户行为特点、使用习惯以及感兴趣的应用类别等产生了兴趣,并希望通过一定的技术手段,分析并获取这些用户行为信息,作为网络用户管理、网络服务质量优化、网络营销策略的重要依据,甚至可以为第三方提供客户关系方面的增值服务。本论文旨在以小波分析理论为基础,对网络用户的流量数据进行分析,通过聚类的方式,获得不同行为模式的用户群。从而为进一步的用户服务或网络营销提供有益的数据支持。论文主要开展的工作包括以下几个方面:①首先对网络用户行为进行了抽象,构建了一种网络用户行为模型。论文以网络用户的业务行为为分析目标,在众多网络流量属性中,筛选出于业务行为直接关联的属性,从而简化分析的维度。论文构建的模型通过网络应用、耗时比例、消耗流量比例等三个方面体现用户行为特点。②研究了小波分析理论,并对传统小波聚类算法存在空间复杂度较高的不足加以改进,提出了一种改进的Mo FSU小波聚类算法。该算法通过对特征空间中相邻单元的合并降低算法对空间的消耗,从而优化算法的空间复杂度,同时提高了算法的时间性能。论文通过理论分析的方法验证了算法的改进是有效的。③通过实验检验论文所提出的理论观点。以某网络用户行为日志数据集为基础,通过论文提出的网络用户行为模型,处理并构建出实验所需的数据模型,运用上述改进的小波聚类算法,对数据进行分析,获得相应的聚类结果。并在此数据集上,与其他同类算法进行了比较。实验结果表明,改进后的算法在时间复杂度和聚类质量方面均有一定的改进。
【关键词】：网络用户行为 网络服务 小波聚类 网络业务偏好
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-13
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-11
• 1.3 论文工作11
• 1.4 论文组织结构11-13
• 2 网络用户行为分析基础和技术13-24
• 2.1 网络用户行为分析概念13
• 2.2 网络用户行为13-16
• 2.2.1 网络用户行为的表示13
• 2.2.2 网络用户行为特点13-14
• 2.2.3 网络用户行为分类14-16
• 2.3 网络用户行为分析相关技术16-22
• 2.3.1 网络流量识别技术16-18
• 2.3.2 DPI技术18-19
• 2.3.3 数据挖掘技术19-21
• 2.3.4 聚类21-22
• 2.4 小结22-24
• 3 一种改进的小波聚类算法24-36
• 3.1 小波聚类相关定义24-25
• 3.2 小波变换25-27
• 3.3 基于小波分析的聚类27-28
• 3.4 小波聚类算法28-31
• 3.4.1 算法介绍28-29
• 3.4.2 算法分析29-30
• 3.4.3 算法时间复杂度30-31
• 3.5 小波聚类算法的改进31-34
• 3.5.1 算法改进31-33
• 3.5.2 MoFSU小波聚类算法分析33-34
• 3.6 小结34-36
• 4 基于小波聚类的网络用户行为分析36-52
• 4.1 概述36
• 4.2 用户行为建模36-38
• 4.3 MoFSU小波聚类与用户行为模型38-40
• 4.4 仿真实验40-49
• 4.4.1 实验环境40
• 4.4.2 实验数据的用户行为模型构建40-42
• 4.4.3 实验结果分析42-49
• 4.5 算法分析49-51
• 4.5.1 算法效率分析49-50
• 4.5.2 聚类质量分析50-51
• 4.6 小结51-52
• 5 总结与展望52-54
• 致谢54-55
• 参考文献55-58
• 附录58
• A. 作者在攻读学位期间发表的论文目录58

【相似文献】

中国期刊全文数据库 前10条

1 马维亮;;用户行为分析系统在宽带网络中的应用[J];科技信息(科学教研);2008年23期

2 乔志伟;;基于用户行为的3G业务分析与探讨[J];移动通信;2010年12期

3 龚尚福;姜晓旭;;基于用户行为分析的广告欺诈点击检测[J];计算机应用与软件;2011年04期

4 陶彩霞;谢晓军;陈康;郭利荣;刘春;;基于云计算的移动互联网大数据用户行为分析引擎设计[J];电信科学;2013年03期

5 毛承洁;张龙;庞川;陈洁敏;;社会网络服务及其用户行为分析[J];华南师范大学学报(自然科学版);2013年02期

6 雒江涛;胡燕清;徐孝娜;周进艳;;基于CDMA2000 1x EVDO网络的用户行为分析模型设计[J];电视技术;2013年07期

7 许春玲;范志刚;郑小盈;李明齐;;有线电视用户行为分析实践[J];网络新媒体技术;2014年01期

8 李朝阳;谢传中;;一种移动互联网用户行为分析系统的顶层设计[J];江西通信科技;2014年01期

9 刘英梅;;大数据时代的信息用户行为分析[J];科技情报开发与经济;2014年05期

10 陆群峰;;宽带上网用户行为分析[J];有线电视技术;2006年02期

中国重要会议论文全文数据库 前7条

1 赵勇;;移动互联网用户行为分析系统技术架构浅析[A];2012全国无线及移动通信学术大会论文集（下）[C];2012年

2 冯铭;王保进;蔡建宇;;基于云计算的可重构移动互联网用户行为分析系统的设计[A];CCF NCSC 2011——第二届中国计算机学会服务计算学术会议论文集[C];2011年

3 岑荣伟;刘奕群;张敏;茹立云;马少平;;网络搜索引擎用户行为分析和研究[A];第五届全国信息检索学术会议论文集[C];2009年

4 赵艳梅;朱晓燕;;转变运维模式,迎接移动互联网新挑战[A];中国通信学会信息通信网络技术委员会2011年年会论文集（上册）[C];2011年

5 刘奕群;张敏;马少平;;用户行为分析在网络信息检索中的应用概述[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

6 毛翔博;齐观德;李石坚;潘纲;;基于位置轨迹加权网络图的用户行为分析识别算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

7 尔古打机;苏小龙;朱征;;基于用户行为分析的移动终端偏好模型研究[A];第八届（2013）中国管理学年会——商务智能分会场论文集[C];2013年

中国重要报纸全文数据库 前3条

1 谭景华邋杨国良;IP网络用户行为分析方法的探讨[N];人民邮电;2007年

2 本报记者 逄丹;建设用户行为分析智慧模型[N];通信产业报;2010年

3 李中朝邋通讯员 黄伟;重庆电信建成宽带用户行为分析系统[N];人民邮电;2007年

中国博士学位论文全文数据库 前6条

1 王琪;新媒体系统中用户行为分析与系统设计[D];复旦大学;2014年

2 罗海艳;移动用户网络行为分析与预测方法研究[D];沈阳农业大学;2015年

3 刘鹏;网络用户行为分析的若干问题研究[D];北京邮电大学;2010年

4 延皓;基于流量监测的网络用户行为分析[D];北京邮电大学;2011年

5 窦伊男;根据多维特征的网络用户分类研究[D];北京邮电大学;2010年

6 岑荣伟;基于用户行为分析的搜索引擎评价研究[D];清华大学;2010年

中国硕士学位论文全文数据库 前10条

1 江惠彬;基于Web日志的用户行为分析系统的研究与实现[D];华南理工大学;2015年

2 李亚飞;基于用户行为分析的冰箱设计研究[D];山东大学;2015年

3 石钊;基于网络用户行为分析的用户推荐反馈系统的设计[D];北京化工大学;2015年

4 李婷蔚;基于移动校园应用的用户行为分析及性能改进[D];电子科技大学;2014年

5 王颖颖;基于Hadoop的用户行为分析系统的设计与实现[D];北京工业大学;2015年

6 马仕玉;聚类算法及其在校园网用户行为分析中的应用[D];重庆交通大学;2015年

7 徐娟;基于用户行为分析的核能领域垂直检索系统研究[D];合肥工业大学;2015年

8 陈嘉翼;基于小波聚类的网络用户行为分析研究[D];重庆大学;2015年

9 周岳;基于兴趣分类的用户行为分析系统的研究与设计[D];北京邮电大学;2010年

10 郑桂凤;移动互联网的用户行为分析系统的设计与实现[D];北京邮电大学;2010年

  本文关键词：基于小波聚类的网络用户行为分析研究，由笔耕文化传播整理发布。

本文编号：283282