《表2 高频活动群体特征识别》
提示：宽带有限、当前游客访问压缩模式
基于运营商数据，我们可以通过用户的业务流向、行为偏好、时空轨迹等来分析用户的职业群体标签，如网约车和外卖职业群体，识别方式如表2所示。
| 图表编号 | XD00140615400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.20 |
| 作者 | 朱常波 |
| 绘制单位 | 中国联通智能城市研究院、中讯邮电咨询设计院有限公司、中国联通网络技术研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同学历群体医生对ASD筛查识别技能了解程度比较（n)》2020.12.30
- 《表2 识别算法对比结果：基于联合特征和XGBoost的活动语义识别方法》2020.11.10
- 《表1 用户签到数据示例：基于联合特征和XGBoost的活动语义识别方法》2020.11.10
- 《表1 时域特征详表：基于LS-MEMD的sEEG高频振荡自动识别方法》2020.06.25
- 《表2 各类出行群体的活动区域数量与平均停留时间》2020.08.01
- 《表1 不同通勤距离群体两种测度方法的活动空间特征》2020.08.01
- 《表4 就医活动识别结果的统计特征》2020.04.25
- 《表1 Wi Fi-PDR和CNN活动识别辅助PDR特征点误差对比》2020.04.20
- 《表2 北京居民体育活动量的群体差异》2019.12.25
- 《表3 特征组名与类别：基于无线体域网的在线人体活动识别》2020.01.01
- 《表1 高频特征词统计表：基于网络游记分析的旅游感知识别研究——以昆明市为例》2019.11.26
- 《表1 识别方法论知识的高频特征模式》2019.10.25
- 《表2 各类类群体活动：阳光体育运动背景下医学院校学生群体活动开展研究》2019.11.01
- 《表2 不同性别群体日常文化活动参与情况统计表》2019.07.28
- 《表3 高频关键词聚类群体划分》2019.01.30
- 《表2 麻尾镇布依村落群体参与体育活动情况》2019.01.01
- 《表2 国内群体性事件研究高频关键词分布统计》2018.12.01
- 《表3 不同性别群体日常活动特征和差异Tab.3 Characteristics and differences of activity-related variables of different gender groups》2018.07.28
- 《表2 九位受访对象课外实践活动及其交往群体身份信息》2019.09.01
- 《表2 九位受访对象课外实践活动及其交往群体身份信息》2019.09.01