本文選題：移動數(shù)據(jù)挖掘 + 移動感知��； 參考：《國防科技大學學報》2017年01期

【摘要】：針對如何在智能手機上高效準確地進行用戶日常頻繁行為模式挖掘問題展開研究。提出一個基于智能手機的用戶日常頻繁行為模式挖掘框架;為了減少用來挖掘的上下文籃子的數(shù)量、提高挖掘效率,提出一個動態(tài)的滑動窗口算法,進而提出一個將上下文出現(xiàn)的頻率和持續(xù)時間有機地結(jié)合起來的加權(quán)模式挖掘算法;在此基礎(chǔ)上,基于為期6周21個用戶的上下文數(shù)據(jù),對所提出的挖掘框架和算法進行實驗驗證,結(jié)果表明,所提出的框架和頻繁模式挖掘算法可以高效地在資源有限的智能手機上運行,而且能夠挖掘出反映用戶生活方式的日常頻繁行為模式;從兩個緯度對用戶日常頻繁行為模式進行可視化,以可視化方式對用戶在不同地方和不同時段的行為模式進行展現(xiàn),從而方便用戶隨時了解其日常行為模式。
[Abstract]:This paper studies how to mine users' daily frequent behavior patterns efficiently and accurately on smart phones. In order to reduce the number of context baskets and improve mining efficiency, a dynamic sliding window algorithm is proposed. Furthermore, a weighted pattern mining algorithm is proposed, which combines the frequency and duration of context, and based on the context data of 21 users for 6 weeks, a weighted pattern mining algorithm is proposed. The experimental results of the proposed mining framework and algorithm show that the proposed framework and frequent pattern mining algorithm can efficiently run on a smartphone with limited resources. Moreover, it can mine the daily frequent behavior pattern which reflects the user's life style, visualize the user's daily frequent behavior pattern from two latitudes, and display the user's behavior pattern in different places and different periods by visualization. In order to facilitate the user at any time to understand their daily behavior patterns.
【作者單位】： 國防科技大學計算機學院;
【基金】：國家自然科學基金資助項目(61202117;91118008)
【分類號】：TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 王宇新;田佳;郭禾;吳樹朋;楊元生;;應(yīng)用模糊方法的設(shè)計模式挖掘策略研究[J];計算機工程與應(yīng)用;2010年02期

2 陸億紅;王子仁;黃燕;;適合稀少空間特征的同位模式挖掘算法[J];浙江工業(yè)大學學報;2007年04期

3 郭燕萍;辛伯宇;;高選票例外模式挖掘研究與實現(xiàn)[J];電腦開發(fā)與應(yīng)用;2007年08期

4 徐顯九;楊燕;岳愛萍;;高效的用戶移動模式挖掘方法[J];計算機應(yīng)用研究;2007年09期

5 李帆;夏士雄;張磊;;基于模糊理論的不確定軌跡模式挖掘[J];微電子學與計算機;2011年08期

6 李中元;邊馥苓;;空間同位模式挖掘研究進展[J];地理空間信息;2013年06期

7 邢東山,沈鈞毅,宋擒豹;用戶瀏覽偏愛模式挖掘算法的研究[J];西安交通大學學報;2002年04期

8 劉洪輝;吳岳芬;;用戶行為模式挖掘問題的研究[J];計算機技術(shù)與發(fā)展;2006年05期

9 付曉翠;許盈;車路;;游戲訪問模式挖掘的研究與應(yīng)用[J];鄭州大學學報(理學版);2007年04期

10 顏一鳴;郭鑫;李仁發(fā);;一種非確定樹模式挖掘算法[J];計算機工程與應(yīng)用;2011年15期

相關(guān)會議論文 前10條

1 王肅;杜軍平;高田;;基于本體與知識背景的模式挖掘框架研究[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

2 繆裕青;尹東;;分布式存儲結(jié)構(gòu)的頻繁閉合模式挖掘并行算法[A];2007年全國開放式分布與并行計算機學術(shù)會議論文集(下冊)[C];2007年

3 王淼;尚學群;謝華博;李戰(zhàn)懷;;行常量差異共表達基因模式挖掘算法研究[A];第29屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

4 劉玉葆;蔡嘉榮;印鑒;黃志蘭;;基于最大訪問模式挖掘的數(shù)據(jù)庫異常行為檢測[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2006年

5 陸葉;王麗珍;陳紅梅;趙麗紅;;基于可能世界的不確定空間co-location模式挖掘研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

6 王麗珍;陸葉;陳紅梅;肖清;;基于前綴樹結(jié)構(gòu)的空間co-location模式挖掘算法研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

7 胡偉成;曹三省;李丹;;一種基于QPop增量時域分割升維的媒體內(nèi)容應(yīng)用模式挖掘改進算法[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

8 薛丹;李德敏;裴仁林;;移動計算中基于PrefixSpan算法的用戶移動模式挖掘[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

9 宋國杰;馬帥;唐世渭;楊冬青;;基于模式挖掘的交通預測模型[A];第十九屆全國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2002年

10 夏慶;馬元元;孫志揮;;路徑遍歷模式挖掘方法的改進[A];第十六屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1999年

相關(guān)重要報紙文章 前1條

1 辛苑薇;誰將分享“大數(shù)據(jù)”的智慧盛宴？[N];21世紀經(jīng)濟報道;2012年

相關(guān)博士學位論文 前7條

1 Shafqat Ali Shad;移動用戶軌跡與行為模式挖掘方法研究[D];中國科學技術(shù)大學;2013年

2 錢烽;同位模式挖掘研究[D];浙江大學;2012年

3 劉勇;圖模式挖掘技術(shù)的研究[D];哈爾濱工業(yè)大學;2010年

4 覃桂敏;復雜網(wǎng)絡(luò)模式挖掘算法研究[D];西安電子科技大學;2012年

5 王樂;數(shù)據(jù)流模式挖掘算法及應(yīng)用研究[D];大連理工大學;2013年

6 林耀進;多源環(huán)境中數(shù)據(jù)預處理與模式挖掘的研究[D];合肥工業(yè)大學;2014年

7 曾海泉;時間序列挖掘與相似性查找技術(shù)研究[D];復旦大學;2003年

相關(guān)碩士學位論文 前10條

1 楊陽;云計算環(huán)境下時空軌跡伴隨模式挖掘研究[D];南京師范大學;2015年

2 李海;基于用戶軌跡數(shù)據(jù)的周期活動模式挖掘[D];江蘇科技大學;2015年

3 周青峰;云計算環(huán)境下的模式挖掘算法研究[D];浙江工商大學;2015年

4 陳瑞;基于分治子圖和極大有序團樹的co-location模式挖掘研究[D];云南大學;2015年

5 尹騰騰;軟件執(zhí)行軌跡中行為模式挖掘算法研究[D];燕山大學;2015年

6 陳明福;縮小候選集的Top-k高效模式挖掘算法研究[D];重慶大學;2015年

7 張子瀚;面向大數(shù)據(jù)的高效用模式挖掘方法研究[D];北方工業(yè)大學;2016年

8 張剛領(lǐng);一種基于團的閉頻繁Co-location模式挖掘方法[D];云南大學;2016年

9 江萬國;基于領(lǐng)域驅(qū)動的空間高效用Co-location模式挖掘[D];云南大學;2016年

10 吳錫宇;基于約束的城市co-location模式挖掘[D];云南大學;2016年

，

本文編號：1855829