本文選題：移動設(shè)備　切入點：數(shù)據(jù)挖掘　出處：《吉林大學(xué)》2017年碩士論文

【摘要】：過去十年內(nèi),移動設(shè)備的發(fā)展非常迅速,尤其是近幾年來智能手機(jī)的發(fā)展尤為迅猛。移動設(shè)備變得越來越小巧便攜的同時,其功能卻在不斷增多,越來越多的移動設(shè)備及移動設(shè)備上的應(yīng)用程序被開發(fā)出來。外形的便攜和功能的豐富使得移動設(shè)備得到迅速的普及,極大地提高了移動設(shè)備的用戶粘性,越來越多的人會隨身攜帶移動設(shè)備,甚至人們的生活與之密不可分。隨著移動設(shè)備上所集成的傳感器元件的增多,我們可以隨時隨地搜集用戶當(dāng)前環(huán)境中不同種類的數(shù)據(jù),為我們識別用戶當(dāng)前環(huán)境提供了豐富的信息。用戶與移動設(shè)備之間的聯(lián)系愈發(fā)緊密。尤其是當(dāng)移動端的各類應(yīng)用程序數(shù)量劇增的時候,人們在生活中也更加依賴于這些應(yīng)用所提供的便捷服務(wù)。目前智能手機(jī)上大部分的應(yīng)用軟件所提供的功能和服務(wù)與用戶當(dāng)前的狀態(tài)和環(huán)境無關(guān),然而一個好的應(yīng)用軟件,尤其是與用戶環(huán)境相關(guān)的應(yīng)用,應(yīng)該通過相關(guān)環(huán)境數(shù)據(jù)的分析和挖掘,了解或推斷出該用戶當(dāng)前所在的位置信息以及用戶當(dāng)前的狀態(tài)信息,這些信息對于支持應(yīng)用制定用戶個性化服務(wù)極為重要。個性化的設(shè)計能為用戶帶來愉悅的用戶體驗,例如為不同環(huán)境中的用戶提供不同的服務(wù);同時,移動端的數(shù)據(jù)挖掘可以幫助我們掌握大規(guī)模群體事件中的人群移動信息,有助于我們了解人類個體和群體的行為模式;移動端的數(shù)據(jù)還能夠刻畫或建模人們的活動行為、精確地預(yù)測人們的移動行為,在社會學(xué)、經(jīng)濟(jì)學(xué)、城市規(guī)劃學(xué)等領(lǐng)域有著重要作用。因此,本工作利用移動設(shè)備端的傳感器搜集用戶的相關(guān)數(shù)據(jù),通過對數(shù)據(jù)的分析和數(shù)據(jù)挖掘工作,對使用移動設(shè)備的用戶識別或感知其環(huán)境、場景。本工作的主要工作難點如下:1.傳統(tǒng)的移動設(shè)備對于用戶的位置信息的識別依靠于移動設(shè)備上的傳感器數(shù)據(jù),這種通過傳感器表達(dá)真實世界的方式往往具有很大的弊端:有時表達(dá)的不夠準(zhǔn)確;有時表達(dá)粒度過細(xì);而且常常無法理解用戶的需求。2.在相關(guān)的不同工作中對于“環(huán)境”的定義不同且不統(tǒng)一。某些文章中認(rèn)為“環(huán)境”是指用戶所在的地理位置,而某些文章則認(rèn)為“環(huán)境”指用戶當(dāng)前的動作行為。3.在相關(guān)的“用戶環(huán)境探測”或“環(huán)境感知”的相關(guān)工作中,分別提出了若干有效算法,然而卻缺乏一個系統(tǒng)的框架。而本文的主要貢獻(xiàn)在于:1.定義了問題相關(guān)的概念,包括用戶屬性、環(huán)境等;2.設(shè)計了一個可擴(kuò)展的三層模型作為系統(tǒng)的框架,底層為傳感器層,中間為屬性層,頂層為環(huán)境層;3.設(shè)計了各層之間的映射算法,利用數(shù)據(jù)挖掘的方式探測和識別用戶環(huán)境。
[Abstract]:Mobile devices have grown very rapidly in the past decade, especially in recent years. As mobile devices become smaller and more portable, their capabilities continue to grow. More and more mobile devices and applications on mobile devices have been developed. The convenience of appearance and the rich functions of mobile devices make mobile devices rapidly popular and greatly improve the user stickiness of mobile devices. More and more people are carrying mobile devices with them, and even people's lives are inseparable. With the increasing number of sensor components integrated into mobile devices, we can collect different kinds of data from users' current environment anytime and anywhere. It provides a wealth of information for us to identify the user's current environment. The connection between the user and the mobile device is getting closer, especially as the number of applications on the mobile side increases dramatically. People also rely more on the convenience of these apps in their lives. Most apps on smartphones now offer functions and services that are independent of the user's current state and environment, but a good application. In particular, applications related to the user environment should know or deduce the current location information of the user and the current status information of the user through the analysis and mining of the relevant environment data. This information is essential to support application development of user personalization services. Personalized design can provide users with a pleasant user experience, such as providing different services to users in different environments; at the same time, Data mining on mobile side can help us to grasp the information of crowd movement in large-scale group events, and help us to understand the behavior patterns of human individuals and groups, and the data of mobile side can also depict or model the behavior of people. Accurate prediction of people's mobile behavior plays an important role in sociology, economics, urban planning, and so on. Through data analysis and data mining, users using mobile devices are identified or aware of their environment, Scene. The main difficulties of this work are as follows: 1.The traditional mobile devices depend on the sensor data of the mobile device for the identification of the user's position information. This way of expressing the real world through sensors often has many disadvantages: sometimes it is not accurate enough, sometimes it is too granular. The definition of "environment" is different and inconsistent in related work. In some articles, "environment" refers to the geographical location of the user. Some articles think that "environment" refers to the current behavior of the user. 3. In the related work of "user environment detection" or "environment perception", several effective algorithms are put forward respectively. However, there is a lack of a systematic framework. However, the main contribution of this paper lies in the definition of problem-related concepts, including user attributes, environment, etc. 2. An extensible three-layer model is designed as the framework of the system, and the bottom layer is the sensor layer. The middle layer is the attribute layer, and the top layer is the environment layer. 3. The mapping algorithm between the layers is designed to detect and identify the user environment by the way of data mining.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP212;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃源,張福炎;數(shù)據(jù)挖掘及其技術(shù)實現(xiàn)[J];計算機(jī)應(yīng)用與軟件;2001年12期

2 香麗蕓;淺談數(shù)據(jù)挖掘及其應(yīng)用[J];昌吉師專學(xué)報;2001年02期

3 鄭雪燕,張杰明,岳洋;數(shù)據(jù)挖掘語言[J];計算機(jī)時代;2001年11期

4 劉明晶;數(shù)據(jù)挖掘[J];華南金融電腦;2001年04期

5 張偉;劉勇國;彭軍;廖曉峰;吳中福;;數(shù)據(jù)挖掘發(fā)展研究[J];計算機(jī)科學(xué);2001年07期

6 鐘曉;馬少平;張鈸;俞瑞釗;;數(shù)據(jù)挖掘綜述[J];模式識別與人工智能;2001年01期

7 朱建平,張潤楚;數(shù)據(jù)挖掘的發(fā)展及其特點[J];統(tǒng)計與決策;2002年07期

8 傅嵐;在數(shù)據(jù)海洋中打撈信息數(shù)據(jù)挖掘[J];科技廣場;2002年11期

9 李峻;數(shù)據(jù)挖掘,企業(yè)洞察先機(jī)的“慧眼”[J];中國計算機(jī)用戶;2002年48期

10 羅可,蔡碧野,卜勝賢,謝中科;數(shù)據(jù)挖掘及其發(fā)展研究[J];計算機(jī)工程與應(yīng)用;2002年14期

相關(guān)會議論文 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計算機(jī)模擬與信息技術(shù)學(xué)術(shù)會議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學(xué)技術(shù)情報學(xué)會學(xué)術(shù)年會論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應(yīng)用[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應(yīng)用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務(wù)網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2001年

相關(guān)重要報紙文章 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機(jī)世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍(lán)海[N];網(wǎng)絡(luò)世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎(chǔ)工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

相關(guān)博士學(xué)位論文 前10條

1 于自強(qiáng);海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

2 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學(xué);2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

5 鄔文帥;基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評估與應(yīng)用[D];電子科技大學(xué);2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2010年

7 何偉全;云南高校學(xué)生意外傷害因素關(guān)聯(lián)規(guī)則挖掘及風(fēng)險管控體系研究[D];昆明理工大學(xué);2015年

8 段功豪;基于多結(jié)構(gòu)數(shù)據(jù)挖掘的滑坡災(zāi)害預(yù)測模型研究[D];中國地質(zhì)大學(xué);2016年

9 白曉明;基于數(shù)據(jù)挖掘的復(fù)合材料宏—細(xì)觀力學(xué)模型研究[D];哈爾濱工業(yè)大學(xué);2016年

10 藍(lán)永豪（LAM Wing Ho）;基于數(shù)據(jù)挖掘技術(shù)分析當(dāng)代中醫(yī)名家痤瘡驗方經(jīng)驗研究[D];南京中醫(yī)藥大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機(jī)遇識別與評價研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2007年

2 張彥俊;游戲運(yùn)營中的數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應(yīng)用研究[D];昆明理工大學(xué);2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應(yīng)用平臺設(shè)計[D];江南大學(xué);2015年

5 劉學(xué)建;數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];昆明理工大學(xué);2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預(yù)測研究與應(yīng)用[D];江南大學(xué);2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術(shù)師范學(xué)院;2015年

8 陳丹;移動互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設(shè)計與實現(xiàn)應(yīng)用研究[D];華南理工大學(xué);2015年

9 陳思;基于數(shù)據(jù)挖掘的大學(xué)生客戶識別模型的研究[D];昆明理工大學(xué);2015年

10 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關(guān)系管理研究[D];西南交通大學(xué);2015年

，

本文編號：1673818