基于无线路由器日志的用户行为模式分析
发布时间：2024-05-18 04:02
随着无线网络与移动互联设备的普及,用户使用无线网络的同时,产生了海量的无线路由器日志数据,即AP(WirelessAccessPoint)日志数据。AP日志数据是按照时间排序的、记录用户使用行为的一系列数据,不单单反映了用户的使用痕迹,还能反映出用户的个人偏好及使用习惯。无线路由器日志行为,是用户使用无线网络时产生的行为规律,包含用户丰富的个性化信息。基于无线路由器日志的用户行为模式分析的研究方法包括数据预处理和AP日志用户行为模式分析框架。针对AP日志数据无效记录、冗余字段较多的问题,采用数据清洗、数据简化和匿名化处理进行AP日志数据预处理。无线路由器日志用户行为模式分析框架包括用户群体行为分析和用户移动轨迹分析两个方面。用户群体行为分析分为用户群体行为规律分析和用户群体行为分类分析,用户群体行为规律分析采用改进的基于密度峰值的聚类算法进行分析,得到十一个不同类别的用户群体行为;用户群体行为分类分析采用ID3决策树分类算法进行用户归类分析,分类完成后,没有新的类别产生。用户移动轨迹分析在基于用户移动轨迹建立的用户行为规则库中,采用PrefixSpan算法进行用户频繁项集挖掘,最终得到...
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题的研究背景和意义
1.2 国内外研究现状
1.2.1 日志挖掘的国内外研究现状
1.2.2 用户行为分析的国内外研究现状
1.3 课题的研究目标及内容
1.3.1 研究目标
1.3.2 研究内容
第二章 用户行为分析及研究方法
2.1 基于无线路由器日志的用户行为模式分析
2.1.1 用户行为模式分析内容
2.1.2 用户行为模式分析流程
2.2 用户群体行为分析
2.2.1 群体行为的形成分析
2.2.2 群体行为的研究现状
2.2.3 群体行为的应用分析
2.3 用户移动轨迹分析
2.3.1 移动轨迹的形成分析
2.3.2 移动轨迹的研究现状
2.3.3 移动轨迹的应用分析
2.4 基于无线路由器日志的用户行为模式研究方法
2.4.1 AP日志数据预处理
2.4.2 无线路由器日志用户行为分析框架
2.5 本章小结
第三章 AP日志数据分析及预处理
3.1 AP日志数据分析
3.1.1 AP日志数据背景
3.1.2 AP日志数据采集
3.1.3 AP日志数据结构
3.1.4 AP日志数据统计
3.2 AP日志数据预处理
3.2.1 AP日志数据清洗
3.2.2 AP日志数据简化
3.2.3 AP日志匿名化处理
3.3 本章小结
第四章 用户群体行为分析
4.1 用户群体行为规律分析
4.1.1 聚类算法分析
4.1.2 基于密度峰值的聚类算法定义
4.1.3 基于密度峰值的聚类算法思想
4.1.4 基于密度峰值的聚类算法流程
4.1.5 改进的基于密度峰值的聚类算法
4.2 用户群体行为分类分析
4.2.1 分类算法分析
4.2.2 ID3分类算法定义
4.2.3 ID3分类算法思想
4.2.4 ID3分类算法流程
4.3 用户群体行为结果分析
4.3.1 数据标准化
4.3.2 训练数据集
4.3.3 群体行为规律结果分析
4.3.4 群体行为分类结果分析
4.4 本章小结
第五章 用户移动轨迹分析
5.1 用户移动轨迹分析
5.1.1 频繁项集挖掘分析
5.1.2 PrefixSpan算法举例
5.1.3 PrefixSpan算法思想
5.1.4 PrefixSpan算法流程
5.2 用户移动轨迹显示
5.3 用户移动轨迹结果分析
5.3.1 用户行为规则库
5.3.2 频繁项挖掘过程
5.3.3 可视化显示
5.4 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
本文编号：3976426
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题的研究背景和意义
1.2 国内外研究现状
1.2.1 日志挖掘的国内外研究现状
1.2.2 用户行为分析的国内外研究现状
1.3 课题的研究目标及内容
1.3.1 研究目标
1.3.2 研究内容
第二章 用户行为分析及研究方法
2.1 基于无线路由器日志的用户行为模式分析
2.1.1 用户行为模式分析内容
2.1.2 用户行为模式分析流程
2.2 用户群体行为分析
2.2.1 群体行为的形成分析
2.2.2 群体行为的研究现状
2.2.3 群体行为的应用分析
2.3 用户移动轨迹分析
2.3.1 移动轨迹的形成分析
2.3.2 移动轨迹的研究现状
2.3.3 移动轨迹的应用分析
2.4 基于无线路由器日志的用户行为模式研究方法
2.4.1 AP日志数据预处理
2.4.2 无线路由器日志用户行为分析框架
2.5 本章小结
第三章 AP日志数据分析及预处理
3.1 AP日志数据分析
3.1.1 AP日志数据背景
3.1.2 AP日志数据采集
3.1.3 AP日志数据结构
3.1.4 AP日志数据统计
3.2 AP日志数据预处理
3.2.1 AP日志数据清洗
3.2.2 AP日志数据简化
3.2.3 AP日志匿名化处理
3.3 本章小结
第四章 用户群体行为分析
4.1 用户群体行为规律分析
4.1.1 聚类算法分析
4.1.2 基于密度峰值的聚类算法定义
4.1.3 基于密度峰值的聚类算法思想
4.1.4 基于密度峰值的聚类算法流程
4.1.5 改进的基于密度峰值的聚类算法
4.2 用户群体行为分类分析
4.2.1 分类算法分析
4.2.2 ID3分类算法定义
4.2.3 ID3分类算法思想
4.2.4 ID3分类算法流程
4.3 用户群体行为结果分析
4.3.1 数据标准化
4.3.2 训练数据集
4.3.3 群体行为规律结果分析
4.3.4 群体行为分类结果分析
4.4 本章小结
第五章 用户移动轨迹分析
5.1 用户移动轨迹分析
5.1.1 频繁项集挖掘分析
5.1.2 PrefixSpan算法举例
5.1.3 PrefixSpan算法思想
5.1.4 PrefixSpan算法流程
5.2 用户移动轨迹显示
5.3 用户移动轨迹结果分析
5.3.1 用户行为规则库
5.3.2 频繁项挖掘过程
5.3.3 可视化显示
5.4 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
本文编号：3976426
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3976426.html
