基于K-Means聚类算法的智能化站点设计与实现
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第1章 绪论 | 第7-15页 |
| ·课题背景 | 第7页 |
| ·研究现状 | 第7-11页 |
| ·研究内容 | 第11-13页 |
| ·智能 Web站点体系结构 | 第12页 |
| ·站点结构分析 | 第12-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 Web日志挖掘相关技术 | 第15-27页 |
| ·数据挖掘和 Web挖掘技术概述 | 第15-19页 |
| ·KDD和数据挖掘 | 第15-16页 |
| ·Web挖掘 | 第16-19页 |
| ·Web日志挖掘技术 | 第19-26页 |
| ·Web日志预处理技术 | 第20-24页 |
| ·实验及结果分析 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第3章 聚类算法研究 | 第27-35页 |
| ·聚类分析概述 | 第27-29页 |
| ·Web日志中的聚类分析 | 第29-34页 |
| ·K-Means聚类算法 | 第30页 |
| ·对 K-Means聚类算法的改进 | 第30-32页 |
| ·改进算法的实验测试 | 第32-33页 |
| ·实验结果分析 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 协同过滤技术在智能站点中的应用 | 第35-49页 |
| ·基于内容的过滤 | 第35页 |
| ·协同过滤 | 第35-39页 |
| ·协同过滤简介 | 第35-37页 |
| ·用协同过滤进行个性化推荐 | 第37页 |
| ·用户信息的获取 | 第37-39页 |
| ·协同过滤应用到智能化站点中 | 第39-43页 |
| ·协同过滤推荐算法 | 第39-42页 |
| ·协同过滤推荐的实现 | 第42-43页 |
| ·实验及结果 | 第43-48页 |
| ·小结 | 第48-49页 |
| 第5章 结论 | 第49-50页 |
| ·本文的研究成果 | 第49页 |
| ·进一步研究的问题 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间的研究成果 | 第55-56页 |
| 详细摘要 | 第56-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62页 |
