資源描述：
《基于機(jī)器學(xué)習(xí)移動(dòng)用戶行為分析研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)號(hào)：S15040485基于機(jī)器學(xué)習(xí)移動(dòng)用戶行為分析研碩士學(xué)位(畢業(yè))論文究基于機(jī)器學(xué)習(xí)移動(dòng)用戶行為分析研究劉闖研究生姓名：劉闖學(xué)科、專業(yè)：信息與通信工程二〇一八年六月分類號(hào)：TN393密級(jí)：公開UDC：621.39編號(hào)：基于機(jī)器學(xué)習(xí)移動(dòng)用戶行為分析研究RESEARCHONMOBILEUSERBEHAVIORANALYSISBASEDONMACHINELEARNING學(xué)位授予單位及代碼：長(zhǎng)春理工大學(xué)(10186)學(xué)科專業(yè)名稱及代碼：信息與通信工程（0810）研究方向：無線通信系統(tǒng)理論與技術(shù)申請(qǐng)學(xué)位級(jí)別：工學(xué)碩士指導(dǎo)教師：陳桂芬教授研究生：劉闖論文起止時(shí)間：2016.09-2018
2、.04I摘要近年來，隨著移動(dòng)互聯(lián)網(wǎng)快速發(fā)展，移動(dòng)互聯(lián)網(wǎng)技術(shù)已經(jīng)滲透到人民生活的各個(gè)領(lǐng)域，成為人們?nèi)粘Ｉ钪械囊徊糠?。用戶在使用移?dòng)互聯(lián)網(wǎng)的過程中會(huì)產(chǎn)生大量的瀏覽數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)藏著大量的用戶行為信息，如果能夠?qū)⑦@些數(shù)據(jù)發(fā)掘利用，將是一筆寶貴的財(cái)富。如何合理利用這些數(shù)據(jù)是電信運(yùn)營(yíng)商需要迫切解決的問題。機(jī)器學(xué)習(xí)能夠發(fā)現(xiàn)數(shù)據(jù)之間潛在的規(guī)律，從數(shù)據(jù)中挖掘出有價(jià)值的資源。因此，機(jī)器學(xué)習(xí)廣泛應(yīng)用于數(shù)據(jù)分析和數(shù)據(jù)挖掘之中。本文主要圍繞著移動(dòng)用戶行為分析和機(jī)器學(xué)習(xí)展開。首先，本文研究如何利用機(jī)器學(xué)習(xí)技術(shù)對(duì)移動(dòng)用戶數(shù)據(jù)進(jìn)行分析和挖掘，并且提出一種基于DPC(DensityPeakBasedClu
3、stering)的K-meansk值自適應(yīng)算法(簡(jiǎn)稱DPCK-K-means)。新提出的算法通過DPC算法選擇K-means算法的初始聚類中心，這種方法克服了傳統(tǒng)K-means算法初始聚類中心點(diǎn)選擇的隨機(jī)性。此外，新提出算法通過自適應(yīng)K-means聚類方法，即在每次聚類時(shí)合并距離最近的兩個(gè)類直到不滿足合并條件的方法實(shí)現(xiàn)聚類數(shù)目的自適應(yīng)選擇。其次，本文將提出的DPCK-K-means聚類方法在UCI和人工數(shù)據(jù)集中進(jìn)行仿真分析，仿真結(jié)果顯示新提出的聚類方法在聚類準(zhǔn)確率和聚類效果上具有較大的提升。之后將本文提出的聚類方法應(yīng)用于運(yùn)營(yíng)商某市級(jí)公司中的用戶行為數(shù)據(jù)之中，分析用戶上網(wǎng)時(shí)間段，業(yè)
4、務(wù)偏好以及流量特征。結(jié)果表明新提出聚類方法能夠有效應(yīng)用于真實(shí)的電信業(yè)務(wù)數(shù)據(jù)之中，具有實(shí)際應(yīng)用價(jià)值。關(guān)鍵詞：用戶行為分析機(jī)器學(xué)習(xí)DPCK-K-meansIIABSTRACTInrecentyears,withtherapiddevelopmentofmobileInternet,mobileInternettechnologyhaspenetratedintoeveryfieldofpeople'slife,andhasbecomeapartofpeople'sdailylife.Userswillgeneratealotofbrowsingdataintheprocessofus
5、ingthemobileInternet.Thesedatacontainalotofuserbehaviorinformation,andifyoucanexploitthesedata,itwillbeavaluableasset.Howtomakerationaluseofthesedataisanurgentproblemfortelecommunicationsoperators.Machinelearningcandiscoverthepotentiallawsbetweendataandexcavatevaluableresourcesfromthedata.The
6、refore,machinelearningiswidelyusedindataanalysisanddatamining.Thispaperfocusesonmobileuserbehavioranalysisandmachinelearning.First,thispaperstudieshowtousemachinelearningtechnologytoanalyzeandexcavatethedataofmobileusers,andproposesaK-meansKvalueadaptivealgorithmbasedonDPC(DensityPeakBasedClu
7、stering)(calledDPCK-K-means).ThenewalgorithmselectstheinitialclusteringcenteroftheK-meansalgorithmthroughtheDPCalgorithm,whichovercomestherandomnessoftheselectionoftheinitialclusteringcenterpointsofthetraditionalK-meansalgorithm.Inaddition,th
