本文選題：Wi-Fi數(shù)據(jù) + 語(yǔ)義軌跡�。� 參考：《北京郵電大學(xué)》2017年碩士論文

【摘要】：隨著科技的迅猛發(fā)展,智能手機(jī)成為人們生活中娛樂(lè)和通信的必需品。而Wi-Fi功能已成為智能手機(jī)的標(biāo)配,開(kāi)啟Wi-Fi時(shí)智能手機(jī)會(huì)自動(dòng)地發(fā)送Wi-Fi數(shù)據(jù)包以探測(cè)周?chē)h(huán)境中可用的Wi-Fi無(wú)線網(wǎng)絡(luò)。這些Wi-Fi數(shù)據(jù)包中包含能夠唯一標(biāo)識(shí)用戶(hù)的信息,獲取、分析、挖掘這些Wi-Fi數(shù)據(jù),對(duì)于研究智能手機(jī)用戶(hù)的移動(dòng)規(guī)律、揭示用戶(hù)間的社交關(guān)系、檢測(cè)用戶(hù)的異常行為具有重要的意義。本文基于Wi-Fi探測(cè)器采集到的校園Wi-Fi數(shù)據(jù)集,研究學(xué)校內(nèi)智能手機(jī)用戶(hù)間可能存在的社交關(guān)系,進(jìn)而挖掘與分析手機(jī)用戶(hù)構(gòu)成的社交網(wǎng)絡(luò)。一方面,本文從語(yǔ)義軌跡的角度研究用戶(hù)間的社交關(guān)系,在此基礎(chǔ)上提出了兩個(gè)語(yǔ)義軌跡相似度算法,分別為FA-STS(A Flexible Algorithm for Semantic Trajectory Similarity)算法和FP-STS(Frequent Pattern based Semantic Trajectory Similarity Algorithm)算法。相較于傳統(tǒng)的基于GPS(Global Position System)的軌跡相似度算法,FA-STS算法靈活地控制了軌跡點(diǎn)匹配的維度,同時(shí),通過(guò)進(jìn)一步分析匹配軌跡點(diǎn)的特征,該算法可以判斷用戶(hù)間的具體關(guān)系;而FP-STS算法可以更準(zhǔn)確地提取用戶(hù)的語(yǔ)義軌跡模式,從而獲得更高的準(zhǔn)確率。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證,這兩個(gè)算法能夠更準(zhǔn)確地衡量用戶(hù)間的社交關(guān)系,提高算法的準(zhǔn)確率。另一方面,本文提出RPC( Resident Population Classification)算法,用于在校園Wi-Fi數(shù)據(jù)集上提取不同類(lèi)型的樓宇常駐人口的用戶(hù)集合。在此基礎(chǔ)上基于提出的語(yǔ)義軌跡相似度算法挖掘和分析了不同類(lèi)型的樓宇常駐人口也即不同類(lèi)型的人群組成的社交網(wǎng)絡(luò),并對(duì)其構(gòu)成的不同的網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行了分析。
[Abstract]:With the rapid development of science and technology, smart phone has become a necessity of entertainment and communication.The Wi-Fi function has become the standard for smartphones. When the Wi-Fi is turned on, the smartphone will automatically send Wi-Fi packets to detect the Wi-Fi wireless network available in the surrounding environment.These Wi-Fi packets contain information that uniquely identifies the user, acquires, analyzes and excavates the Wi-Fi data, which is useful for studying the mobile laws of smartphone users and revealing the social relationships between users.It is of great significance to detect the abnormal behavior of users.Based on the campus Wi-Fi data set collected by the Wi-Fi detector, this paper studies the possible social relations among the smartphone users in the school, and then excavates and analyzes the social network composed by the mobile phone users.On the one hand, this paper studies the social relations between users from the point of view of semantic locus, and then proposes two semantic locus similarity algorithms: FA-STS(A Flexible Algorithm for Semantic Trajectory similarity algorithm and FP-STS(Frequent Pattern based Semantic Trajectory Similarity algorithm.Compared with the traditional locus similarity algorithm based on GPS(Global Position system, FA-STS algorithm can control the dimension of locus point matching flexibly. At the same time, by further analyzing the characteristics of the matching locus points, the algorithm can judge the specific relationship between users.The FP-STS algorithm can extract the user's semantic locus pattern more accurately, so as to obtain higher accuracy.Experimental results show that the two algorithms can more accurately measure the social relationship between users and improve the accuracy of the algorithm.On the other hand, this paper proposes a Resident Population Classification (RPC) algorithm, which is used to extract the user sets of different types of resident population of buildings on campus Wi-Fi datasets.Based on the proposed semantic trajectory similarity algorithm, the social networks composed of different types of resident population (i.e., different types of population) are mined and analyzed, and the different network structure characteristics are analyzed.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TN92;TP393.18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Bruce Antelman;李雯;;社交網(wǎng)絡(luò)[J];高校圖書(shū)館工作;2008年01期

2 ;基于位置的手機(jī)社交網(wǎng)絡(luò)“貝多”正式發(fā)布[J];中國(guó)新通信;2008年06期

3 曹增輝;;社交網(wǎng)絡(luò)更偏向于用戶(hù)工具[J];信息網(wǎng)絡(luò);2009年11期

4 ;美國(guó):印刷企業(yè)青睞社交網(wǎng)絡(luò)營(yíng)銷(xiāo)新方式[J];中國(guó)包裝工業(yè);2010年Z1期

5 李智惠;柳承燁;;韓國(guó)移動(dòng)社交網(wǎng)絡(luò)服務(wù)的類(lèi)型分析與促進(jìn)方案[J];現(xiàn)代傳播(中國(guó)傳媒大學(xué)學(xué)報(bào));2010年08期

6 賈富;;改變一切的社交網(wǎng)絡(luò)[J];互聯(lián)網(wǎng)天地;2011年04期

7 譚拯;;社交網(wǎng)絡(luò):連接與發(fā)現(xiàn)[J];廣東通信技術(shù);2011年07期

8 陳一舟;;社交網(wǎng)絡(luò)的發(fā)展趨勢(shì)[J];傳媒;2011年12期

9 殷樂(lè);;全球社交網(wǎng)絡(luò)新態(tài)勢(shì)及文化影響[J];新聞與寫(xiě)作;2012年01期

10 許麗;;社交網(wǎng)絡(luò):孤獨(dú)年代的集體狂歡[J];上海信息化;2012年09期

相關(guān)會(huì)議論文 前10條

1 趙云龍;李艷兵;;社交網(wǎng)絡(luò)用戶(hù)的人格預(yù)測(cè)與關(guān)系強(qiáng)度研究[A];第七屆（2012）中國(guó)管理學(xué)年會(huì)商務(wù)智能分會(huì)場(chǎng)論文集（選編）[C];2012年

2 宮廣宇;李開(kāi)軍;;對(duì)社交網(wǎng)絡(luò)中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學(xué)科研究生學(xué)術(shù)論壇獲獎(jiǎng)?wù)撐腫C];2010年

3 楊子鵬;喬麗娟;王夢(mèng)思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡(luò)與大學(xué)生焦慮緩解[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡(luò)解析[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(4)[C];2011年

5 杜p，

本文編號(hào)：1738790