網(wǎng)絡移動信息服務方法

目錄
前言
第一章 網(wǎng)絡移動信息服務基礎 1
1.1 網(wǎng)絡移動信息服務概念及其發(fā)展 1
1.2 網(wǎng)絡通信架構 1
1.3 網(wǎng)絡移動信息服務分類 2
1.4 網(wǎng)絡移動信息服務的關鍵技術 3
1.5 本章小結 4
參考文獻 5
第二章 網(wǎng)絡鄰居節(jié)點發(fā)現(xiàn)技術 6
2.1 引言 6
2.2 鄰居節(jié)點發(fā)現(xiàn)技術發(fā)展現(xiàn)狀 6
2.3 基于角色扮演的鄰居發(fā)現(xiàn)算法 8
2.3.1 無線網(wǎng)絡模型與假設 8
2.3.2 Erupt算法描述 9
2.3.3 兩個節(jié)點情況下的分析 10
2.3.4 平均延遲 10
2.3.5 占空比和能量損耗 13
2.3.6 多節(jié)點情況下的分析 13
2.4 基于節(jié)點密集場景的鄰居發(fā)現(xiàn)算法 15
2.4.1 Centron方法設計 15
2.4.2 場景模型和假設 15
2.4.3 協(xié)議描述 16
2.4.4 方法效用分析 17
2.5 本章小結 21
參考文獻 21
第三章 移動網(wǎng)絡高效路由與均衡接入技術 24
3.1 引言 24
3.2 相關技術發(fā)展 24
3.3 基于社交關系的移動網(wǎng)絡路由協(xié)議 26
3.3.1 局部活躍性 27
3.3.2 社交相似性 28
3.3.3 LASS算法 29
3.3.4 實驗評估 31
3.4 車聯(lián)網(wǎng)認知路由協(xié)議 37
3.4.1 Q學習框架 37
3.4.2 基于Q學習的車聯(lián)網(wǎng)認知路由算法 38
3.4.3 實驗評估 40
3.5 基于強化學習的移動用戶接入負載均衡方法 42
3.5.1 主要思想 43
3.5.2 系統(tǒng)模型和假設 44
3.5.3 在線強化學習移動用戶接入設計 45
3.5.4 復雜性分析 54
3.5.5 實驗評估 54
3.6 本章小結 58
參考文獻 58
第四章 網(wǎng)絡社區(qū)結構發(fā)掘技術 62
4.1 引言 62
4.2 社區(qū)發(fā)掘技術發(fā)展現(xiàn)狀 63
4.3 自適應加權動態(tài)社區(qū)發(fā)掘算法 64
4.3.1 動態(tài)加權圖 64
4.3.2 社區(qū)結構 65
4.3.3 社區(qū)結構初始化 65
4.3.4 動態(tài)跟蹤算法 68
4.3.5 SAWD社區(qū)檢測算法的復雜度 74
4.3.6 SAWD社區(qū)檢測算法的擬合度評估 75
4.3.7 問題討論 76
4.4 跨空間社區(qū)檢測 77
4.4.1 關于跨空間社區(qū)的描述性定義 77
4.4.2 跨空間社區(qū)檢測算法 78
4.4.3 關于合并準則的討論 82
4.5 本章小結 83
參考文獻 84
第五章 網(wǎng)絡移動信息服務平臺 86
5.1 系統(tǒng)總體設計 86
5.2 資源調度優(yōu)化子系統(tǒng) 88
5.3 網(wǎng)絡交易在線監(jiān)控子系統(tǒng) 90
5.4 交通出行在線分析及服務子系統(tǒng) 92
5.5 本章小結 95
參考文獻 95
第六章 智能交通 96
6.1 現(xiàn)有相關國內外應用及技術介紹 96
6.2 路況預測與優(yōu)出行路徑選擇 97
6.2.1 基于非線性時間序列路況預測 98
6.2.2 動態(tài)網(wǎng)絡短路問題近似算法 100
6.2.3 仿真實驗 103
6.3 基于稀疏GPS數(shù)據(jù)的車輛行為分析 106
6.3.1 iLogBook概述 106
6.3.2 原始數(shù)據(jù)處理 107
6.3.3 對GPS數(shù)據(jù)的語義分析 114
6.3.4 數(shù)據(jù)集 115
6.3.5 實驗評估 116
6.4 基于鄰近車輛危險行為的識別與預警 121
6.4.1 系統(tǒng)模型和設計目標 121
6.4.2 系統(tǒng)概述 123
6.4.3 原始數(shù)據(jù)訓練 124
6.4.4 行為匹配 128
6.4.5 實驗評估 129
6.5 本章小結 134
參考文獻 134
第七章 智慧旅游 138
7.1 現(xiàn)有相關國內外應用及技術介紹 138
7.2 基于協(xié)同張量分解的位置推薦 141
7.2.1 協(xié)同張量分解方法 141
7.2.2 基于協(xié)同張量分解的位置推薦方法 148
7.2.3 性能評估 151
7.3 基于劃分的協(xié)同張量分解的位置推薦 155
7.3.1 問題描述 156
7.3.2 基于劃分的協(xié)同張量分解的位置推薦方法 157
7.4 基于大邊緣相關的位置序列推薦 159
7.4.1 問題描述 161
7.4.2 個性化位置序列推薦方法 166
7.5 本章小結 177
參考文獻 177
第八章 移動支付認證 182
8.1 現(xiàn)有相關國內外應用及技術介紹 182
8.2 基于用戶姿勢的觸屏行為認證系統(tǒng)架構 183
8.2.1 總體架構 184
8.2.2 數(shù)據(jù)采集 186
8.2.3 姿勢特征提取 188
8.2.4 姿勢聚類算法 190
8.2.5 姿勢聚類實驗分析 191
8.3 登錄時認證模型的構建及認證 193
8.3.1 登錄時認證手勢特征的提取 193
8.3.2 訓練各姿勢下的手勢認證子模型 194
8.3.3 登錄時認證方法 195
8.3.4 實驗結果與分析 197
8.4 持續(xù)性認證模型的構建及認證 199
8.4.1 持續(xù)性認證手勢特征的提取 199
8.4.2 訓練各姿勢下的手勢認證子模型 201
8.4.3 持續(xù)性認證方法 202
8.4.4 實驗結果與分析 205
8.5 本章小結 207
參考文獻 207
關鍵詞中英文對照表 210
彩圖