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

【摘要】：用戶的基礎(chǔ)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(wù)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(rèn)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(wù)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(chǔ)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(yīng)關(guān)系,智能手機終端與用戶基本保持在一一對應(yīng)的狀態(tài),所以基于智能手機終端對用戶的基礎(chǔ)屬性信息預(yù)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(wù)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(yīng)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(chǔ)屬性之間的強烈關(guān)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(chǔ)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(yīng)的特征,并對收集到的數(shù)據(jù)提取對應(yīng)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(guān)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(chǔ)屬性進行預(yù)測。最后,我們設(shè)計了用戶基礎(chǔ)屬性研究的系統(tǒng)模型,Android客戶端收集用戶數(shù)據(jù),服務(wù)器端通過用戶數(shù)據(jù)對用戶基礎(chǔ)屬性進行預(yù)測,并且在用戶基礎(chǔ)屬性信息預(yù)測的基礎(chǔ)上,為Android客戶端提供個性化的服務(wù)。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(chǔ)屬性的預(yù)測中準(zhǔn)確率(Acc)為86.50%,Macro F1值為86.43%;基于加速度數(shù)據(jù)的準(zhǔn)確率(Acc)和Macro F1值均為84.64%。
【關(guān)鍵詞】：智能手機流量 傳感器數(shù)據(jù) 基礎(chǔ)屬性預(yù)測 個性化服務(wù)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(chǔ)屬性研究12-13
• 1.2.2 基于智能手機終端的用戶基礎(chǔ)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(guān)技術(shù)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(chǔ)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(yù)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(chǔ)屬性預(yù)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(wù)47-48
• 3.4 實驗結(jié)果評價指標(biāo)48-49
• 3.5 基于智能手機預(yù)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(chǔ)屬性研究系統(tǒng)模型50-60
• 4.1 系統(tǒng)模型設(shè)計目標(biāo)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(shù)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(wù)器端模塊56-58
• 4.4.2.1 任務(wù)調(diào)度功能56-57
• 4.4.2.2 任務(wù)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(wù)功能58
• 4.4.3 客戶端-服務(wù)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(yù)測結(jié)果分析65-67
• 5.3.1 基于流量的預(yù)測結(jié)果65
• 5.3.2 基于傳感器數(shù)據(jù)的預(yù)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(xué)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(xué)自然科學(xué)學(xué)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(xué)學(xué)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(shù)學(xué)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(shù)應(yīng)用研究[J];儀器儀表學(xué)報;2004年05期

5 劉文濤;楊建華;趙忠;趙方鵬;;利用嵌入式技術(shù)實現(xiàn)傳感器數(shù)據(jù)網(wǎng)絡(luò)共享[J];測控技術(shù);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(shù);2013年03期

7 李琦,陶利民,劉其鋒;基于人工神經(jīng)網(wǎng)絡(luò)理論的傳感器數(shù)據(jù)證實方法[J];機械設(shè)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(xué)院學(xué)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(shù);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(xué)量傳感器及測試、計量學(xué)術(shù)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(xué)術(shù)會議論文集（3）[C];2008年

中國博士學(xué)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(xué)技術(shù)大學(xué);2007年

中國碩士學(xué)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(xué);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(shè)計與實現(xiàn)[D];東南大學(xué);2015年

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

5 羅瀟;傳感器數(shù)據(jù)補償算法的設(shè)計與實現(xiàn)[D];華中科技大學(xué);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(shù)[D];南京航空航天大學(xué);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(shè)計與實現(xiàn)[D];電子科技大學(xué);2011年

8 譚偉;多源信息融合技術(shù)在水上交通中的應(yīng)用研究[D];重慶交通大學(xué);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(yù)測研究[D];西安電子科技大學(xué);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(xué);2015年

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

，

本文編號：489034