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

【摘要】：隨著科技的迅猛發(fā)展,智能手機成為人們生活中娛樂和通信的必需品。而Wi-Fi功能已成為智能手機的標配,開啟Wi-Fi時智能手機會自動地發(fā)送Wi-Fi數(shù)據包以探測周圍環(huán)境中可用的Wi-Fi無線網絡。這些Wi-Fi數(shù)據包中包含能夠唯一標識用戶的信息,獲取、分析、挖掘這些Wi-Fi數(shù)據,對于研究智能手機用戶的移動規(guī)律、揭示用戶間的社交關系、檢測用戶的異常行為具有重要的意義。本文基于Wi-Fi探測器采集到的校園Wi-Fi數(shù)據集,研究學校內智能手機用戶間可能存在的社交關系,進而挖掘與分析手機用戶構成的社交網絡。一方面,本文從語義軌跡的角度研究用戶間的社交關系,在此基礎上提出了兩個語義軌跡相似度算法,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匹配的維度,同時,通過進一步分析匹配軌跡點的特征,該算法可以判斷用戶間的具體關系;而FP-STS算法可以更準確地提取用戶的語義軌跡模式,從而獲得更高的準確率。經過實驗驗證,這兩個算法能夠更準確地衡量用戶間的社交關系,提高算法的準確率。另一方面,本文提出RPC( Resident Population Classification)算法,用于在校園Wi-Fi數(shù)據集上提取不同類型的樓宇常駐人口的用戶集合。在此基礎上基于提出的語義軌跡相似度算法挖掘和分析了不同類型的樓宇常駐人口也即不同類型的人群組成的社交網絡,并對其構成的不同的網絡結構特征進行了分析。
[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.
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN92;TP393.18

【相似文獻】

相關期刊論文 前10條

1 Bruce Antelman;李雯;;社交網絡[J];高校圖書館工作;2008年01期

2 ;基于位置的手機社交網絡“貝多”正式發(fā)布[J];中國新通信;2008年06期

3 曹增輝;;社交網絡更偏向于用戶工具[J];信息網絡;2009年11期

4 ;美國:印刷企業(yè)青睞社交網絡營銷新方式[J];中國包裝工業(yè);2010年Z1期

5 李智惠;柳承燁;;韓國移動社交網絡服務的類型分析與促進方案[J];現(xiàn)代傳播(中國傳媒大學學報);2010年08期

6 賈富;;改變一切的社交網絡[J];互聯(lián)網天地;2011年04期

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

8 陳一舟;;社交網絡的發(fā)展趨勢[J];傳媒;2011年12期

9 殷樂;;全球社交網絡新態(tài)勢及文化影響[J];新聞與寫作;2012年01期

10 許麗;;社交網絡:孤獨年代的集體狂歡[J];上海信息化;2012年09期

相關會議論文 前10條

1 趙云龍;李艷兵;;社交網絡用戶的人格預測與關系強度研究[A];第七屆（2012）中國管理學年會商務智能分會場論文集（選編）[C];2012年

2 宮廣宇;李開軍;;對社交網絡中信息傳播的分析和思考——以人人網為例[A];首屆華中地區(qū)新聞與傳播學科研究生學術論壇獲獎論文[C];2010年

3 楊子鵬;喬麗娟;王夢思;楊雪迎;孟子冰;張禹;;社交網絡與大學生焦慮緩解[A];心理學與創(chuàng)新能力提升——第十六屆全國心理學學術會議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網絡解析[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

5 杜p，

本文編號：1738790