基于粗糙集和LBS的Android系統(tǒng)研究與應(yīng)用.pdf

1、目前手機(jī)應(yīng)用種類繁多，參差不齊，其中一個(gè)重要組成部分就是基于位置服務(wù)(LBS)的應(yīng)用。隨著WiFi的覆蓋范圍越來(lái)越大、定位技術(shù)的日趨成熟和手機(jī)的傳輸速率越來(lái)越快更加的促進(jìn)了LBS的迅猛發(fā)展。當(dāng)前LBS的發(fā)展方向正趨向于個(gè)性化，如何滿足用戶個(gè)性化需求，成為基于LBS應(yīng)用的一個(gè)難點(diǎn)。
　　本文先從整體上介紹了國(guó)內(nèi)外手機(jī)操作系統(tǒng)的現(xiàn)狀、位置服務(wù)的現(xiàn)狀和個(gè)性化推薦方面的現(xiàn)狀，然后介紹Android的體系結(jié)構(gòu)，分析了Android應(yīng)用程序的

2、組成，然后對(duì)幾種常用的定位技術(shù)進(jìn)行了介紹，接著對(duì)本系統(tǒng)要用到的百度地圖進(jìn)行介紹，接著介紹了幾種個(gè)性化推薦算法，并對(duì)粗糙集理論進(jìn)行研究，最后把粗糙集理論應(yīng)用到個(gè)性化推薦中來(lái)。通過(guò)對(duì)本文采用的基于粗糙集理論和LBS的推薦模型進(jìn)行實(shí)驗(yàn)，通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)的分析，表明本文推薦算法能夠取得很好的推薦效果。本文算法綜合了用戶信息，包括其個(gè)人基本信息和興趣信息及用戶的位置信息，能更準(zhǔn)確地計(jì)算用戶的相似度，從而提高了推薦的質(zhì)量。本系統(tǒng)經(jīng)測(cè)試運(yùn)行流暢穩(wěn)定，可