基于移动交易序列模式的用户行为模式增益挖掘研究

在移动运算环境中挖掘用户行为模式是目前数据挖掘应用领域新兴的研究热点课题,通过整合商业事务动态路径发现移动商业序列模式,即基于移动用户行为的移动交易序列信息挖掘模式。基于深度优先搜索与宽度优先策略,对单位增益(利润)与类别商品交易量进行关联挖掘,首先是基于增益模式集成挖掘高增益移动行为序列,其次是依赖频次模式挖掘解决不同类型商务模式的顾客行为序列模式,然后是在移动交易环境下验证评价算法的执行效率。提出基于移动商务行为特征数据信息构造树算法,挖掘移动商务行为数据的品类特征信息,在同类算法结果比较中较高水准地表达发掘移动序列行为模式。实验评价实施中分析用户序列商业行为与绩效比较,通过两个典型算法比较,结果表明构造树算法能在综合移动电子商业环境下发现移动商业交易框架下的用户事务行为路径及用户倾向性的交易行为,便于规划及管理现有的移动电子商务平台。     

基于API调用分析的Android应用行为意图推测

围绕移动应用程序的用户行为意图分析,结合后台应用程序接口(application program interface,API)调用和前台应用图形用户界面(graphic user interface,GUI)状态,该文提出一种在移动应用(App)运行时产生的多元时间序列数据上识别应用行为模式的方法,给出一个包括Android应用程序静态预处理、动态监控运行和行为意图推测3阶段的不良应用程序用户行为推测框架。介绍了基于Android平台API调用分析的应用行为意图动态推测系统原型实现技术,选取代表性应用案例验证了该文提出的不良行为模式识别算法的有效性,并通过实际应用剖析了基于API调用分析推测用户行为的实用性。     

移动环境下的路径分布模型

通过引入路径到达和路径持续两个随机过程,推导出移动环境下的路径分布函数,当最大路径数趋于无穷大时,路径服从包含平均路径到达率和路径平均持续时间两个参数的泊松分布,标准泊松模型与测量结果之间存在较大偏差,根据路径到达率与已接收路径数成反比,而路径持续时间与已接收路径数成正比,作者对泊松模型进行了修正,数值结果表明修正模型与实际测量结果一致性较好。     

异构无线网络自适应接入算法研究

在异构无线网络中,针对现存接入算法对网络高动态性考虑不足,提出了一种自适应的接入算法.算法能够根据网络环境中用户数量及带宽使用情况,估计接入阻塞率、最大化网络吞吐量,从而自适应地选择用户接入网络的行为.根据接收信号强度和可用带宽,计算出用户的最大传输速率;根据网络中已分配带宽、用户所需带宽,推导出网络剩余容纳用户数;根据新到达用户数、剩余容纳用户数估计用户接入阻塞率;结合最大传输速率和接入阻塞率,提出一种以最大化网络吞吐量为目标的自适应接入算法.仿真结果表明,算法能有效降低用户接入阻塞率,增加接入用户数,提高网络吞吐量,均衡网络负载,并且能够适应未来高动态性网络.     

基于React+Webpack的“健康资讯”App开发

针对Vue、Angular等传统移动App开发模式在原生js及运用jQuery框架开发过程中存在的开发效率低和代码复用率不高等问题,在研究已有移动App框架开发模式基础上,提出利用React+Webpack相结合的App开发模式,结合React的组件化特性和Webpack较高的优化效果,开发一款"健康资讯"App.经测试,此App具有功能完善、性能稳定、链接定位准确等优点,有很好的应用价值和实用价值.     

一种基于MP-tree的频繁路径挖掘算法

针对应用射频识别(radio frequency identification,RFID)技术产生的海量数据,引入挖掘频繁路径的思想,提出挖掘频繁路径的算法MP(movement path)-mine.该算法通过构建MP-tree的形式,只须扫描数据库一次就可以挖掘出所有的频繁移动路径,便于快速向用户提供物品移动趋势方面的信息.理论分析和实验结果表明该算法性能非常有效.     

基于知识交流的移动图书馆学术社区用户行为研究

为了优化与提升移动图书馆学术社区的用户结构与知识利用,促进用户隐性知识的交流,研究了移动图书馆学术社区知识交流的内涵、要素与方式,分析了移动图书馆学术社区用户知识交流的行为与模式,并从推送用户生成内容、打造社区特色氛围、优化社区模块功能等方面,提出了提升移动图书馆学术社区用户知识交流行为的策略.     

基于并行模式挖掘和路径匹配的用户位置预测

为了提高移动用户位置预测的精度,提出了基于并行模式挖掘和路径匹配的移动用户位置预测方法,对传统的FP-GROWTH算法作了并行化处理,优化了节点负载分配方法,在Spark平台下挖掘用户移动频繁模式.改进了基于索引的路径相似度算法,提出基于路径最短距离的相斥度算法,提高了对轨迹数据缺失的适用性.在真实的用户轨迹数据集上实验表明,提出的基于轨迹相斥度预测方法相比马尔可夫模型和卡尔曼滤波模型拥有更高的预测精度,预测精确度平均提升7%左右.     

多版本视频点播流媒体服务器集群资源分配方法

针对大规模移动学习应用背景下流媒体服务器集群资源分配过量或不均的问题,提出了一种面向移动学习系统的多版本视频点播流媒体服务器集群资源分配方法。该方法通过用户历史点播行为日志分析,挖掘在不同终端环境下用户点播行为的特征和规律,在此基础之上,采用排队论理论进行多版本视频点播中流媒体服务器集群资源分配建模,并通过实时预测用户请求到达率的变化情况,动态调整资源的分配,从而实现了集群资源的动态配置。实验结果表明,所提方法的平均服务拒绝率和资源利用率分别在1%和80%左右,既保证了用户体验满意度,又降低了系统服务成本。     

基于蚁群行为的自适应Web站点及其仿真研究

被蚂蚁的觅食行为所激发(在巢与食物源之间总能找到一条最短路径),提出了一种建立Web自适应站点的方法。该方法把Web用户比作人工蚂蚁,在蚁群理论的指导下使Web用户能通过最短路径到达目标页面,从而自适应地标识出最重要的链接。同时,通过仿真实验对影响Web用户行为的因素(信息素的重要程度、信息素的蒸发系数、Web用户数等)进行了研究,其结论对进一步的理论研究和算法实现具有重要的参考价值。     

改进的DDPG算法在机器人路径规划中的应用

深度强化学习(DRL)在连续控制问题中具有优异的性能,被广泛用于路径规划等领域.为了实现移动机器人在未知环境中的智能路径规划,提出了一个路径规划的模型,基于深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)的自主路径规划模型.针对DDPG算法前期对环境没有先验知识,收敛速度慢和移动时会出现局部最优情况,提出了一种改进的DDPG算法.通过在DDPG算法中添加人工势场的引力场和斥力场,以加快收敛速度和移动机器人到达目标点的时间.对奖赏函数进行改进,增加直走奖励,以提高规划路径的稳定性.     

Web访问挖掘中的匿名用户识别算法研究

有效的用户识别与用户细分是网站用户行为分析的基础.针对现有用户识别算法将注册用户和匿名用户均按匿名用户处理,导致用户分类不细致的问题,提出了一种匿名用户识别算法.该算法通过识别用户访问行为状态,采取页面访问路径和浏览时长匹配方式,进一步识别IP地址变化后混入纯匿名用户中的注册匿名用户,从而把用户细分为注册用户、假匿名用户和纯匿名用户.实验结果表明,该算法能够提高匿名用户识别率,更加准确地识别假匿名用户.     

面向移动通信网络的局部扩张群组构造方法

移动运营商为了拓展新业务,需要增强对用户资源的了解,因此通过大数据分析技术深入分析移动通信系统中的用户行为数据.基于移动通信网络中的用户通话记录提出了一种基于复杂网络聚类算法的用户社交群组构造算法.该算法通过分析用户的通话记录,建立用户间联系紧密度模型.基于局部扩张原理和派系过滤算法进行用户群组构造.鉴于移动通话系统的巨大数据量,采用基于MapReduce编程模型的并行化设计.分别在模拟数据集和中国移动真实数据集下对该算法进行了验证,实验结果表明,该方法具有较好的性能,是可行且有效的.     

基于MLE和MSE的主用户活动检测与跟踪算法研究

针对移动认知Ad hoc无线网络提出一种分布式主用户活动估计与跟踪算法.在主用户覆盖范围的移动认知用户通过检测获得主用户ON/OFF周期样本,然后使用最大似然估计来计算ON/OFF平均周期,在离开主用户覆盖区域时广播检测到的信息.认知用户使用均方误差来停止精细检测,利用均方误差的变化来重新启动精细检测以便跟踪主用户活动的变化.仿真结果表明,提出的算法能够快速有效地检测并跟踪主用户的活动.     

在线社交网络好友推荐方法的研究——基于非对称相似性方法

考虑用户间影响的差异,从用户关注的兴趣点出发,及其他用户的消息或行为通过最短路径影响该用户的最大可能性,提出了基于非对称相似性的半局部拓扑指标,并将其应用于在线社交网络好友推荐。通过Facebook数据集验证了该方法,实验结果证明,考虑了非对称相似性的好友推荐算法在准确率与召回率上都明显优于其他方法,从而证实了该方法的有效性。     

LTE系统中基于估计波束到达角的多用户调度算法

根据3GPP TR 25.996中描述的空间信道模型(SCM),提出了波束到达角估计算法和基于波束到达角的多用户调度算法.针对具有明显来波方向的无线通信系统,基站首先根据上行信道信息估计出每个用户的波束到达角,然后根据用户无线信道到达角将多用户进行分组,从每个分组中选择信道质量最好的用户,以实现多用户分集增益.相对于传统的波束到达角估计算法,该估计算法具有较低的复杂度.与基于信道容量的用户调度算法相比,该调度算法能够明显降低运算量,在系统中更容易实现.仿真结果表明,该调度算法可以在有效降低系统计算复杂度和反馈信息量的前提下,获得与传统方案相近的多用户调度性能增益,同时还能获得较好的公平性.     

中文搜索引擎中的分词技术研究

分词模块是中文搜索引擎的一个重要组成部分,针对分词提出了一种最短路径与共首字歧义词概率的比较相结合的方法,首先寻找最短路径.如果最短路径不只一条,就比较共首字歧义词概率,选择概率较大的一条路径,效果非常明显.对未登录词识别提出了一种改进的移动窗口算法,在单字序列中移动窗口,并记录状态来寻找新词,能够识别大部分的未登录词.     

ns2中的基于移动Agent卫星网路由算法仿真

为了解决基于移动Agent的卫星网路由算法的仿真,提出了一种新型的基于ns2的单层卫星网路由算法仿真平台构建方案.详细阐述了ns2中卫星网络星座定义、切换管理、路由模块、通信模块、星间链路、星地链路和移动Agent的设计方案,最后用新的仿真平台实现了基于移动Agent的卫星网路由算法SNRA-MA在Iridium网络模型下的仿真.仿真结果表明:新的仿真平台完全可以满足SNRA-MA算法的仿真,且SNRA-MA算法丢包率低、端到端传输时延满足ITU-T的通信指标.     

一种基于图神经网络的社会化推荐算法

现有的社会化推荐算法大多着眼于用户购买或点击等单一的交互行为,并未同时考虑收藏、浏览等多种不同的交互行为.而且当前的社会化推荐算法重点只关注推荐的准确性,忽略了推荐结果的可解释性.针对以上问题,提出了一种基于图神经网络的社会化推荐算法SRGN,将用户的社交关系和物品间客观存在的语义联系以特定的方式注入到算法架构中,并且利用消息传递的方式实现交互的多行为联合编码,从而提升推荐的准确性.此外,设计了可解释模块为推荐结果提供推荐的理由.在两个真实数据集上与其他8种算法进行对比实验,结果表明提出的算法在推荐性能和用户友好性上具有明显的优势.     

一种基于差异度聚类的异常入侵检测算法

基于差异度聚类分析,提出了一种新的异常入侵检测算法DCAIDA,详细介绍了基于差异度聚类分析的用户行为模型建立算法和异常入侵检测算法.通过对原始用户行为数据进行差异度聚类分析,建立用户行为模型,并依据聚类模型对实时的用户行为进行分类,以此判断是否发生入侵.在KDD CUP 1999上的仿真实验结果表明:该算法检测率高、误报率低,且对新攻击类型有一定的检测能力,可实现预期效果.