本文關鍵詞：基于智能手機流量與傳感器數(shù)據(jù)的用戶基礎屬性研究，由筆耕文化傳播整理發(fā)布。

【摘要】：用戶的基礎屬性信息(例如性別、年齡、收入狀況、文化程度、宗教信仰等)在個性化服務中具有重要的意義,比如定向廣告投遞、智能推薦系統(tǒng)以及其他方面。然而,這些信息對于用戶來說都被認為屬于隱私信息,許多用戶存在個人信息保護方面的考慮,拒絕將這些隱私信息分享給服務提供商。針對上述問題,本文提出了一種新穎的方法——利用智能手機的流量與傳感器數(shù)據(jù)對用戶基礎屬性進行研究。首先,智能手機作為一種隨身攜帶的移動終端,相比于電腦終端與用戶一對多的對應關系,智能手機終端與用戶基本保持在一一對應的狀態(tài),所以基于智能手機終端對用戶的基礎屬性信息預測成為了新的研究方向。其次,隨著智能手機在大眾中的普及,目前已基本覆蓋每一個人,并且APP(Application)的開發(fā)者,即服務提供商,能夠通過智能手機操作系統(tǒng)提供的API(Application Programming Interface)獲取到大量能夠反應智能手機使用情況的數(shù)據(jù),例如APP的使用情況、流量的使用情況、傳感器返回的數(shù)據(jù)。所以基于上述兩個特點,保證了從智能手機獲取的數(shù)據(jù)與用戶基礎屬性之間的強烈關聯(lián)特性。在實驗過程中,我們通過對收集到的智能手機數(shù)據(jù)進行數(shù)據(jù)分析與處理,發(fā)現(xiàn)不同基礎屬性的用戶,其數(shù)據(jù)的分布與構(gòu)成存在不同的特性,所以我們對流量與傳感器數(shù)據(jù)定義了相應的特征,并對收集到的數(shù)據(jù)提取對應的特征數(shù)據(jù),使用特征數(shù)據(jù)構(gòu)成特征矩陣R與用戶相關聯(lián),將特征矩陣R作為分類器的輸入,通過分類算法對用戶的基礎屬性進行預測。最后,我們設計了用戶基礎屬性研究的系統(tǒng)模型,Android客戶端收集用戶數(shù)據(jù),服務器端通過用戶數(shù)據(jù)對用戶基礎屬性進行預測,并且在用戶基礎屬性信息預測的基礎上,為Android客戶端提供個性化的服務。本文收集真實世界用戶數(shù)據(jù),并對研究方案進行驗證,實驗結(jié)果表明通過本文提出的研究方案,基于流量數(shù)據(jù)在用戶性別基礎屬性的預測中準確率(Acc)為86.50%,Macro F1值為86.43%;基于加速度數(shù)據(jù)的準確率(Acc)和Macro F1值均為84.64%。
【關鍵詞】：智能手機流量 傳感器數(shù)據(jù) 基礎屬性預測 個性化服務
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN929.53
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 研究背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 基于電腦終端的用戶基礎屬性研究12-13
• 1.2.2 基于智能手機終端的用戶基礎屬性研究13-15
• 1.3 論文的研究內(nèi)容15
• 1.4 論文的章節(jié)結(jié)構(gòu)安排15-17
• 第二章 相關技術與算法17-38
• 2.1 分類算法介紹17-29
• 2.1.1 決策樹分類算法17-19
• 2.1.2 貝葉斯分類算法19-21
• 2.1.3 支持向量機21-25
• 2.1.4 Boosting算法25-29
• 2.2 智能手機傳感器硬件29-37
• 2.2.1 加速度傳感器29-30
• 2.2.2 陀螺儀傳感器30-32
• 2.2.3 GPS傳感器32-34
• 2.2.4 磁力傳感器34-35
• 2.2.5 距離傳感器35-37
• 2.3 本章小結(jié)37-38
• 第三章 研究方案與數(shù)據(jù)說明38-50
• 3.1 用戶基礎屬性研究問題定義38-39
• 3.2 交叉驗證方法39-41
• 3.2.1 Hold-Out交叉驗證39-40
• 3.2.2 K-fold交叉驗證40
• 3.2.3 Leave-One-Out交叉驗證40-41
• 3.3 研究方案流程41-48
• 3.3.1 數(shù)據(jù)收集與預處理41-43
• 3.3.1.1 流量數(shù)據(jù)收集與格式42
• 3.3.1.2 加速度傳感器數(shù)據(jù)收集與格式42-43
• 3.3.2 特征定義與提取43-45
• 3.3.2.1 流量特征定義與提取43-44
• 3.3.2.2 加速度傳感器數(shù)據(jù)特征定義與提取44-45
• 3.3.3 用戶基礎屬性預測45-47
• 3.3.3.1 流量數(shù)據(jù)分類器構(gòu)建45-46
• 3.3.3.2 加速度數(shù)據(jù)分類器構(gòu)建46-47
• 3.3.4 個性化服務47-48
• 3.4 實驗結(jié)果評價指標48-49
• 3.5 基于智能手機預測的其他常用方案49
• 3.6 本章小結(jié)49-50
• 第四章 用戶基礎屬性研究系統(tǒng)模型50-60
• 4.1 系統(tǒng)模型設計目標50
• 4.2 開發(fā)環(huán)境與部署50-51
• 4.3 系統(tǒng)模型架構(gòu)圖51-52
• 4.4 系統(tǒng)模型功能模塊52-59
• 4.4.1 Android客戶端模塊52-56
• 4.4.1.1 Android開發(fā)技術52-53
• 4.4.1.2 數(shù)據(jù)收集功能53-54
• 4.4.1.3 數(shù)據(jù)管理功能54-55
• 4.4.1.4 數(shù)據(jù)上傳功能55-56
• 4.4.2 服務器端模塊56-58
• 4.4.2.1 任務調(diào)度功能56-57
• 4.4.2.2 任務處理功能57-58
• 4.4.2.3 數(shù)據(jù)管理功能58
• 4.4.2.4 個性化服務功能58
• 4.4.3 客戶端-服務器端通信模塊58-59
• 4.5 本章小結(jié)59-60
• 第五章 實驗結(jié)果分析60-68
• 5.1 實驗數(shù)據(jù)集60-61
• 5.1.1 流量數(shù)據(jù)集60
• 5.1.2 加速度數(shù)據(jù)集60-61
• 5.2 數(shù)據(jù)集分析61-65
• 5.2.1 流量數(shù)據(jù)集分析62-63
• 5.2.2 加速度數(shù)據(jù)集分析63-65
• 5.3 系統(tǒng)模型預測結(jié)果分析65-67
• 5.3.1 基于流量的預測結(jié)果65
• 5.3.2 基于傳感器數(shù)據(jù)的預測結(jié)果65-67
• 5.3.3 與常用方案結(jié)果的對比67
• 5.4 本章小結(jié)67-68
• 第六章 結(jié)束語68-70
• 6.1 論文工作總結(jié)68
• 6.2 論文研究的下一步展望68-70
• 致謝70-71
• 參考文獻71-75
• 攻讀碩士學位期間取得的成果75-76

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王杜 ,張鳳志;角度傳感器數(shù)據(jù)自動處理裝置[J];黑龍江大學自然科學學報;1989年02期

2 崔筱寧;趙保華;李青;周顥;;傳感器數(shù)據(jù)中事件樣本與錯誤樣本的系統(tǒng)化區(qū)分框架[J];西安交通大學學報;2010年10期

3 王志勝,周軍,周鳳岐;異質(zhì)傳感器數(shù)據(jù)的最優(yōu)線性融合[J];中國慣性技術學報;2002年05期

4 吳祖堂,王群書,蔣莊德;傳感器數(shù)據(jù)證實技術應用研究[J];儀器儀表學報;2004年05期

5 劉文濤;楊建華;趙忠;趙方鵬;;利用嵌入式技術實現(xiàn)傳感器數(shù)據(jù)網(wǎng)絡共享[J];測控技術;2007年04期

6 宋文彬;;差異維度傳感器數(shù)據(jù)融合新方法[J];電訊技術;2013年03期

7 李琦,陶利民,劉其鋒;基于人工神經(jīng)網(wǎng)絡理論的傳感器數(shù)據(jù)證實方法[J];機械設計與制造工程;1998年04期

8 馬維利,黃冬泉;異類傳感器數(shù)據(jù)融合的一種新算法[J];咸陽師范學院學報;2005年02期

9 羅鴻逵,霍凱,吳鐸;傳感器數(shù)據(jù)處理及回歸分析[J];內(nèi)燃機車;1995年09期

10 基里亞科斯·P·扎沃爾凱斯 ,米科齊斯勞·M·科卡 ,成文彩;傳感器數(shù)據(jù)融合系統(tǒng)的代數(shù)說明[J];情報指揮控制系統(tǒng)與仿真技術;1995年03期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 劉榮利;文傳博;文成林;;傳感器數(shù)據(jù)存在隨機一步延遲的線性無偏估計[A];第25屆中國控制會議論文集（中冊）[C];2006年

2 宋紹民;張振飛;王耀南;;傳感器數(shù)據(jù)的精確重構(gòu)方法及其性能研究[A];第二十九屆中國控制會議論文集[C];2010年

3 宋國民;張為公;翟羽健;;基于模糊推理誤差模型的傳感器數(shù)據(jù)分析[A];2000全國力學量傳感器及測試、計量學術交流會論文集[C];2000年

4 向堅;俞堅;葉綠;;一種基于RFID的新傳感器數(shù)據(jù)流在線清理框架[A];第六屆全國信息獲取與處理學術會議論文集（3）[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 唐雅娟;發(fā)動機試驗傳感器數(shù)據(jù)證實的軟計算方法與系統(tǒng)實現(xiàn)研究[D];國防科學技術大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳冬;基于手機傳感器數(shù)據(jù)的道路擁擠程度分析[D];西南交通大學;2015年

2 姜天宇;基于多MEMS傳感器數(shù)據(jù)融合的組合測姿系統(tǒng)的設計與實現(xiàn)[D];東南大學;2015年

3 唐遠洋;基于智能手機流量與傳感器數(shù)據(jù)的用戶基礎屬性研究[D];電子科技大學;2016年

4 朱小蘭;傳感器數(shù)據(jù)融合中的魯棒性研究[D];重慶師范大學;2016年

5 羅瀟;傳感器數(shù)據(jù)補償算法的設計與實現(xiàn)[D];華中科技大學;2011年

6 韓秋廷;基于粒子濾波的能量高效傳感器數(shù)據(jù)查詢處理技術[D];南京航空航天大學;2012年

7 徐濤;基于發(fā)布/訂閱機制的傳感器數(shù)據(jù)分發(fā)系統(tǒng)的設計與實現(xiàn)[D];電子科技大學;2011年

8 譚偉;多源信息融合技術在水上交通中的應用研究[D];重慶交通大學;2011年

9 張英杰;基于時間序列分析的隧道傳感器數(shù)據(jù)預測研究[D];西安電子科技大學;2011年

10 周文雯;基于圖語法的多媒體傳感器數(shù)據(jù)融合[D];重慶郵電大學;2015年

  本文關鍵詞：基于智能手機流量與傳感器數(shù)據(jù)的用戶基礎屬性研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：489034