基于群体智能的浏览行为聚类技术研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·浏览行为分析研究现状 | 第9页 |
| ·群体智能研究现状 | 第9-10页 |
| ·浏览行为模式聚类分析 | 第10页 |
| ·本文的研究内容 | 第10-12页 |
| 第二章 文献综述 | 第12-25页 |
| ·群体智能 | 第12-16页 |
| ·群体智能概念 | 第12-13页 |
| ·群体智能特点 | 第13-14页 |
| ·群体智能主要算法 | 第14-16页 |
| ·数据挖掘 | 第16-18页 |
| ·数据挖掘概念 | 第16-17页 |
| ·数据挖掘技术 | 第17-18页 |
| ·数据挖掘过程 | 第18页 |
| ·Web挖掘 | 第18-19页 |
| ·聚类分析 | 第19-24页 |
| ·聚类分析概念 | 第19-20页 |
| ·聚类分析步骤 | 第20-21页 |
| ·主要聚类算法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于群体智能的蚁群聚类算法 | 第25-33页 |
| ·基于群体智能的聚类算法概述 | 第25页 |
| ·蚁群聚类基本原理 | 第25-26页 |
| ·蚁群聚类基本模型 | 第26-27页 |
| ·LF基本蚁群聚类算法 | 第27-28页 |
| ·基于蚁群聚类算法的改进 | 第28页 |
| ·优化蚁群聚类算法 | 第28-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 基于群体智能的浏览行为聚类方法 | 第33-42页 |
| ·用户行为 | 第33-35页 |
| ·用户行为分析模式 | 第33-34页 |
| ·网络市场环境下用户行为特征 | 第34-35页 |
| ·用户分类研究 | 第35-37页 |
| ·用户分类及分类研究 | 第35页 |
| ·网络用户群类型分类 | 第35-36页 |
| ·用户浏览行为分类常用研究方法 | 第36-37页 |
| ·基于聚类的用户浏览行为分析方法 | 第37-41页 |
| ·元数据 | 第37-38页 |
| ·数据处理 | 第38-40页 |
| ·数据采集 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于群体智能的浏览行为聚类实现 | 第42-55页 |
| ·实验案例背景 | 第42页 |
| ·元数据准备和数据预处理 | 第42-46页 |
| ·聚类实现 | 第46-47页 |
| ·聚类分析 | 第47-53页 |
| ·聚类分析的度量标准 | 第47-48页 |
| ·聚类结果分析 | 第48-53页 |
| ·结果应用意义 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| ·研究成果与意义 | 第55页 |
| ·未来研究方向 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
