近年來,智能設(shè)備的發(fā)展迅猛。在現(xiàn)有條件下,令智能設(shè)備獲取用戶到準(zhǔn)確的房間定位,成為一個研究熱門。本文針對室內(nèi)在多WIFI信號覆蓋下,伴隨著WIFI設(shè)備的位置移動、信號衰減等不穩(wěn)定因素的現(xiàn)實(shí)環(huán)境,對手機(jī)用戶進(jìn)行準(zhǔn)確的室內(nèi)房間定位。本文選取研究場合為商場,利用手機(jī)移動支付的大數(shù)據(jù),將用戶定位至準(zhǔn)確的商店。隨著智能手機(jī)移動設(shè)備的普及,O2O(Online to Offline)消費(fèi)模式得到了快速的發(fā)展。線下商場中精準(zhǔn)的廣告投放是O2O的一種重要營銷手段,但對于線下商店,隨機(jī)投放會對商場中的多數(shù)用戶造成無意義的干擾,同時也增加了商家的營銷成本。因此,在線下商場里,利用手機(jī)用戶的信息,實(shí)時預(yù)測手機(jī)用戶所在的商店,在廣告精準(zhǔn)投放中顯得尤為重要。由于移動支付普及,在線下商場里,用戶利用阿里平臺支付時產(chǎn)生的大量手機(jī)信息及位置標(biāo)簽,其數(shù)據(jù)易于采集且數(shù)據(jù)量大,位置信息準(zhǔn)確且不需要人工進(jìn)行標(biāo)注,利用大數(shù)據(jù)及機(jī)器學(xué)習(xí)的方法對其進(jìn)行挖掘,并對用戶在商場里的所在商店進(jìn)行預(yù)測,具備實(shí)時性預(yù)測條件以及推廣條件。由于現(xiàn)實(shí)商場環(huán)境中,WIFI設(shè)備型號眾多,信號發(fā)射強(qiáng)度與位置各異,手機(jī)經(jīng)緯度信息不準(zhǔn)確程度高,因此獲取到的手...

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究的主要思路和內(nèi)容
    1.4 論文組織架構(gòu)
第二章 手機(jī)移動用戶數(shù)據(jù)分析
    2.1 手機(jī)用戶數(shù)據(jù)簡介
        2.1.1 數(shù)據(jù)獲取
        2.1.2 數(shù)據(jù)屬性介紹
    2.2 用戶數(shù)據(jù)屬性分析
        2.2.1 空間屬性分析
        2.2.2 時間屬性分析
        2.2.3 WIFI信號屬性分析
        2.2.4 商店標(biāo)簽屬性
    2.3 本章小結(jié)
第三章 用戶定位預(yù)測理論
    3.1 傳統(tǒng)分類算法原理
        3.1.1 邏輯回歸算法
        3.1.2 SVM算法
    3.2 隨機(jī)森林算法原理
        3.2.1 決策樹算法
        3.2.2 隨機(jī)森林的bagging策略與隨機(jī)性
        3.2.3 優(yōu)缺點(diǎn)
    3.3 XGBoost算法原理
        3.3.1 提升樹
        3.3.2 XGBoost參數(shù)估計(jì)
        3.3.3 樹生成過程
        3.3.4 優(yōu)缺點(diǎn)
    3.4 基于貝葉斯的模型融合算法
        3.4.1 先驗(yàn)假設(shè)
        3.4.2 算法結(jié)構(gòu)
        3.4.3 優(yōu)化收斂過程
        3.4.4 優(yōu)缺點(diǎn)
    3.5 本章小結(jié)
第四章 系統(tǒng)建立生成及結(jié)果分析
    4.1 系統(tǒng)建立生成
        4.1.1 訓(xùn)練數(shù)據(jù)劃分
        4.1.2 商店標(biāo)簽編碼方式
        4.1.3 算法模型評價標(biāo)準(zhǔn)
    4.2 實(shí)驗(yàn)過程及結(jié)果分析
        4.2.1 傳統(tǒng)模型結(jié)果分析
        4.2.2 隨機(jī)森林結(jié)果分析
        4.2.3 XGBoost結(jié)果分析
        4.2.4 貝葉斯結(jié)果分析
    4.3 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表論文
致謝



本文編號：3778671