| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第9-15页 |
| 1.1 论文的研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 选题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的主要内容和结构 | 第12-15页 |
| 1.3.1 主要内容 | 第12-13页 |
| 1.3.2 组织结构 | 第13-15页 |
| 第2章 Web日志挖掘理论 | 第15-24页 |
| 2.1 Web日志挖掘 | 第15-19页 |
| 2.1.1 Web志挖掘简介 | 第15-16页 |
| 2.1.2 Web日志挖掘的过程 | 第16-17页 |
| 2.1.3 Web日志挖掘的模式识别 | 第17-18页 |
| 2.1.4 Web日志关联规则增量式挖掘的概念 | 第18-19页 |
| 2.2 关联规则 | 第19-21页 |
| 2.2.1 关联规则基本概念 | 第19页 |
| 2.2.2 关联规则的挖掘框架 | 第19-20页 |
| 2.2.3 关联规则挖掘常用方法 | 第20-21页 |
| 2.3 聚类 | 第21-23页 |
| 2.3.1 聚类的基本概念 | 第21页 |
| 2.3.2 常用聚类方法 | 第21-23页 |
| 2.4 小结 | 第23-24页 |
| 第3章 FP增长和自组织神经网络研究 | 第24-29页 |
| 3.1 FP增长 | 第24-26页 |
| 3.1.1 FP-growth算法 | 第24-25页 |
| 3.1.2 FP-growth算法分析 | 第25-26页 |
| 3.2 自组织特征映射神经网络(SOM) | 第26-28页 |
| 3.2.1 SOM的介绍 | 第26页 |
| 3.2.2 SOM原理及流程 | 第26-27页 |
| 3.2.3 SOM的分析 | 第27-28页 |
| 3.3 小结 | 第28-29页 |
| 第4章 基于聚类划分的Web日志关联规则增量式挖掘算法 | 第29-38页 |
| 4.1 基本概念 | 第29-31页 |
| 4.1.1 关联规则增量式挖掘概述 | 第29页 |
| 4.1.2 Web日志聚类数据表示 | 第29-30页 |
| 4.1.3 Web日志事务数据 | 第30页 |
| 4.1.4 SOM常规优化策略 | 第30-31页 |
| 4.2 基于聚类划分的Web日志关联规则挖掘算法 | 第31-35页 |
| 4.2.1 数据分割问题 | 第32-33页 |
| 4.2.2 算法描述 | 第33-34页 |
| 4.2.3 算法分析 | 第34-35页 |
| 4.3 算法原理及过程 | 第35-37页 |
| 4.3.1 增量式挖掘的理论依据 | 第35-36页 |
| 4.3.2 算法描述 | 第36-37页 |
| 4.4 小结 | 第37-38页 |
| 第5章 实验验证与分析 | 第38-52页 |
| 5.1 实验目的 | 第38页 |
| 5.2 实验平台搭建 | 第38页 |
| 5.3 Web日志关联规则增量式挖掘模型设计与实现 | 第38-48页 |
| 5.3.1 概要设计 | 第38-39页 |
| 5.3.2 数据处理 | 第39-40页 |
| 5.3.3 关联规则挖掘 | 第40-45页 |
| 5.3.4 关联规则增量式挖掘 | 第45-48页 |
| 5.4 实验结果与分析 | 第48-51页 |
| 5.5 小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 结论 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的研究成果 | 第58页 |