无线泛在环境下用户行为预测与优化技术研究

发布时间：2017-07-07 11:16

  本文关键词：无线泛在环境下用户行为预测与优化技术研究

  更多相关文章： 无线泛在环境 用户行为 预测算法 优化算法 Markov模型

【摘要】：在未来无线泛在环境下,以用户为中心且以应用为驱动已成为网络演进的必然趋势。这就需要通过对用户行为规律的分析与挖掘,以提前预知用户的业务需求,进而推荐并配置最为匹配的网络资源,以保障并优化每个用户的业务体验。因此,用户行为的预测与优化技术应运而生,并迅速成为了研究热点。故本论文围绕无线泛在环境下用户行为预测与优化技术展开研究,主要工作如下:一、概述了无线泛在环境的相关内容,并分别介绍了用户行为预测和优化技术的研究现状;接着,设计了用户行为预测与优化系统,给出了功能模块的描述和实际开发的考量。二、提出一种基于可变阶Markov模型的用户行为预测算法。首先,采用基于用户相似度的模糊聚类算法,以实现用户分群;进而,采用基于概率后缀树的可变阶Markov模型对用户业务行为进行预测,并建立融合预测模型,以融合同一群集用户的预测结果,从而提高算法的预测精度。仿真结果验证了该算法的有效性。三、提出一种基于加权Markov模型的用户行为预测算法。首先,提出基于信息熵的最佳阶数选取算法,确定Markov预测模型的最佳阶数;进而,提出一种改进的加权Markov预测模型,并采用基于反馈的自适应权值修正方法,以实现对用户下一时刻业务状态的准确预测。仿真结果验证了该算法的有效性。四、提出一种面向单用户-多终端场景的用户行为优化算法。首先,针对单用户-多终端场景,建立基于协同技术的多终端业务信息汇聚机制,以形成完整的业务状态历史信息树,从而实现业务状态的准确预测;进而,根据业务状态预测结果,采用相应的重尾模型实现业务时长的预算;同时,综合业务偏好和终端性能等因素,建立业务与终端的适配度指标,进而提出终端推荐模型,从而为用户推荐最佳的业务终端。仿真结果验证了该算法的有效性。最后,对全文进行了总结,并给出下一步的研究方向。
【关键词】：无线泛在环境 用户行为 预测算法 优化算法 Markov模型
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN92
【目录】：

• 摘要4-5
• Abstract5-9
• 专用术语注释表9-11
• 第一章 绪论11-18
• 1.1 研究背景及意义11-12
• 1.2 无线泛在环境概述12-13
• 1.3 用户行为预测技术研究现状13-15
• 1.4 用户行为优化技术研究现状15-16
• 1.5 主要工作和内容安排16-18
• 第二章 用户行为预测与优化系统设计18-27
• 2.1 引言18
• 2.2 系统总体架构18-19
• 2.3 功能模块描述19-23
• 2.3.1 数据采集模块19-20
• 2.3.2 数据预处理模块20-21
• 2.3.3 数据挖掘模块21-22
• 2.3.4 用户行为预测模块22-23
• 2.3.5 用户行为优化模块23
• 2.4 实际开发考量23-26
• 2.5 本章小结26-27
• 第三章 基于可变阶Markov模型的用户行为预测算法27-36
• 3.1 引言27
• 3.2 基于用户相似度的模糊聚类算法27-30
• 3.2.1 用户相似度27-29
• 3.2.2 用户聚类流程29-30
• 3.3 用户行为预测算法30-33
• 3.3.1 可变阶Markov预测模型30-32
• 3.3.2 预测融合模型32-33
• 3.4 仿真验证33-35
• 3.5 本章小结35-36
• 第四章 基于加权Markov模型的用户行为预测算法36-46
• 4.1 引言36-37
• 4.2 基于信息熵的最佳阶数选取算法37-40
• 4.2.1 基于信息熵的相关系数37-38
• 4.2.2 最佳阶数选取模型38-40
• 4.3 用户行为预测算法40-42
• 4.3.1 改进的加权Markov预测模型40-41
• 4.3.2 基于反馈机制的权值修正方法41-42
• 4.4 仿真验证42-45
• 4.5 本章小结45-46
• 第五章 面向单用户-多终端场景的用户行为优化算法46-55
• 5.1 引言46-47
• 5.2 网络场景47-48
• 5.3 算法描述48-51
• 5.3.1 多终端业务信息汇聚机制48
• 5.3.2 业务时长预算方法48-49
• 5.3.3 最佳终端推荐模型49-51
• 5.4 仿真验证51-54
• 5.5 本章小结54-55
• 第六章 总结与展望55-57
• 6.1 全文工作总结55
• 6.2 未来研究工作的展望55-57
• 参考文献57-61
• 附录1 攻读硕士学位期间撰写的学术论文61-62
• 附录2 攻读硕士学位期间申请的发明专利62-63
• 附录3 攻读硕士学位期间参加的科研项目63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前5条

1 马开平;严洪森;;产品市场扩散行为预测的自学习方法[J];计算机集成制造系统;2008年12期

2 谢婧;刘功申;苏波;孟魁;;社交网络中的用户转发行为预测[J];上海交通大学学报;2013年04期

3 刘臣;田占伟;于晶;单伟;;在线社会网络用户的信息分享行为预测研究[J];计算机应用研究;2013年04期

4 李栋;张文宇;;基于FOA-ELM的客户基金购买行为预测仿真[J];计算机仿真;2014年06期

5 ;[J];;年期

中国硕士学位论文全文数据库 前4条

1 马莹莹;微博用户转发行为及情感预测研究[D];哈尔滨工业大学;2015年

2 刘敏;微博传播效果的分析与预测[D];太原理工大学;2016年

3 陈娟;无线泛在环境下用户行为预测与优化技术研究[D];南京邮电大学;2016年

4 王千;基于视频的篮球持球队员行为预测研究[D];中南大学;2012年

，

本文编号：529978