首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于ACO的Web使用挖掘方法研究

摘要第1-10页
Abstract第10-13页
致谢第13-19页
第一章 绪论第19-26页
   ·研究背景第19-21页
     ·Web个性化第19页
     ·Web使用挖掘第19-21页
   ·研究目的和意义第21-22页
   ·研究内容及研究成果第22-24页
   ·论文的结构安排第24-26页
第二章 Web使用挖掘概述第26-39页
   ·数据预处理第26-28页
   ·模式发现第28-36页
     ·统计分析第28页
     ·聚类第28-31页
     ·关联规则第31-33页
     ·序列模式第33-35页
     ·分类第35-36页
   ·模式分析第36-37页
   ·Web使用挖掘的应用第37-38页
     ·Web个性化第37-38页
     ·Web系统优化第38页
   ·本章小结第38-39页
第三章 蚁群算法及其收敛性分析第39-59页
   ·基本蚁群算法的思想起源与算法描述第39-43页
     ·思想起源第39-40页
     ·基本蚁群算法描述第40-43页
   ·蚁群算法模型第43-44页
   ·蚁群算法的研究现状第44-46页
     ·算法应用现状第44-45页
     ·算法改进研究现状第45页
     ·算法收敛性研究现状第45-46页
   ·图搜索蚂蚁系统(GBAS)的收敛性分析第46-48页
     ·GBAS的数学模型第46-47页
     ·GBAS的收敛性分析第47-48页
     ·GBAS的局限性第48页
   ·一类改进的蚁群算法及其收敛性分析第48-58页
     ·极小化问题的数学表示第48-49页
     ·改进的蚁群算法描述第49-52页
     ·算法收敛性分析第52-57页
     ·实验结果第57-58页
   ·本章小结第58-59页
第四章 Web使用数据预处理及会话识别第59-72页
   ·相关概念第59页
   ·数据收集第59-63页
     ·服务器端数据第60-62页
     ·客户端数据第62页
     ·代理服务器端数据第62-63页
   ·数据净化第63页
   ·用户识别第63页
   ·基于自适应时间闽值的会话识别第63-71页
     ·会话识别问题描述第63-66页
     ·相关研究工作第66-67页
     ·基于自适应时间阈值的会话识别方法第67-69页
     ·实验结果第69-71页
   ·本章小结第71-72页
第五章 基于蚁群算法的用户兴趣导航路径模式挖掘第72-84页
   ·引言第72页
   ·用户导航模式研究现状第72-74页
   ·用户浏览行为与蚁群觅食行为的相似性第74-76页
     ·网站的基本模型第74页
     ·群体用户导航模型第74-76页
   ·基于蚁群算法的群体用户兴趣导航路径发现第76-78页
     ·蚁群导航模型第76-77页
     ·挖掘偏好导航路径的算法第77-78页
     ·实验第78页
   ·引入页面访问时间的用户导航模式挖掘第78-83页
     ·页面访问时间第79-80页
     ·引入页面访问时间的蚁群模型第80-81页
     ·偏好导航路径的挖掘算法第81-82页
     ·实验第82-83页
   ·本章小结第83-84页
第六章 基于混合蚁群算法的Web用户聚类第84-97页
   ·引言第84-85页
   ·相关工作第85-86页
   ·蚁群聚类算法第86-89页
     ·基于蚁堆形成原理的聚类算法第86-88页
     ·基于蚂蚁觅食行为的聚类算法第88-89页
   ·基于混合蚁群算法的聚类方法第89-94页
     ·Web用户聚类的数学规划模型第89-90页
     ·蚁群算法与K-means算法的融合思想第90-92页
     ·算法流程第92-94页
   ·实验第94-96页
     ·面向用户聚类的数据预处理第94-95页
     ·实验评价第95页
     ·实验结果第95-96页
   ·本章小结第96-97页
第七章 总结与展望第97-100页
   ·研究总结第97-98页
   ·研究展望第98-100页
参考文献第100-110页
攻读博士学位期间参加的科研项目和发表的论文第110-111页

论文共111页,点击 下载论文
上一篇:集成视觉系统中旋转对称三角传感器的光学与机械学设计方法研究
下一篇:基于群盲签名的多银行电子现金系统研究