面向高密度人群的外来务工群体电信信息行为特征分析

发布时间：2025-06-28 02:02

　　手机等智能终端设备在通信过程中会产生非常多的电信信息,包括基站的定位信息和时间信息。本文提取手机与基站交互产生的定位数据,经过数据的预处理,把偏差的定位数据信息、异常值替换,将时间序列的轨迹点形成完整的移动轨迹,进而研究人群的移动轨迹。在人群的移动轨迹信息里,设置相应的速度和距离阈值,判断哪些轨迹是属于人群的停留区域或活动的区域。在移动电信数据的人口分布和流动模式的管理上具有巨大的潜力。同时在电信信息里,除了基站的定位数据之外,还包含了大量的短信信息文本。运用文本挖掘技术,先对短信数据预处理,剔除对文本影响不大的变量,进行特征词的选择,再对文本进行分类和聚类研究。在本文的研究上,贝叶斯文本分类较于其他分类的效果更优越,提出基于贝叶斯文本分类的马斯洛分层模型,分析马斯洛不同层次的信息。

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图2-1文本挖掘的过程

广州大学理学硕士学位论文挖掘。三是互联网和社会上对其需求。在互联网和社交网络上，文本信息日益增多，通过文本挖掘有用的和有价值的信息，进行制定相关的决策。如在电信行业上进行套餐的营销，网购公司的商品推荐，了解用户的习惯并进行一些行业的指导具有重要的意义。2.2文本挖掘的过程

图3-1支持向量机（SVM）数据分类支持向量机（SVM）文本分类的算法主要分为以下四个步骤：

将数据分隔开，该超平面的两侧上的数据样本之间具有良好的文本分类能力。不管数据涉及到高维度的维度建立一个超平面，随着数据的维度而产生相数据分布在两侧空白区域最大化上，在对线性的样本明显。支持向量机（SVM）算法应用在文本分类时机器学习里面的运用统计学原理知识的分类算法，通过压缩到支....

图3-2神经元模型

图3-2神经元模型，对于表示从其他神经元样本信息出；表示各个突触之间的连接强度，即第单个神经元的样本信息输入用表示，则，则输出当前的状态的函数为：

图4-1人群密度热力图

34图4-1人群密度热力图图4-2区域一天人群流量的变化算群体的密度的方便简洁的方法：一是基于视频监控、图像的处理

本文编号：4054244