数据挖掘在校园网用户网络行为分析的应用研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·课题的研究背景以及研究意义 | 第10-11页 |
| ·课题的研究背景 | 第10页 |
| ·课题的研究意义 | 第10-11页 |
| ·数据挖掘的研究现状与发展前景 | 第11-14页 |
| ·数据挖掘的研究现状 | 第11-12页 |
| ·数据挖掘发展前景 | 第12-14页 |
| ·论文的研究内容 | 第14页 |
| ·论文结构 | 第14页 |
| ·论文创新点 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 用户网络行为分析的研究 | 第16-26页 |
| ·网络用户及网络用户行为概念综述 | 第16-18页 |
| ·网络用户的概念以及分类 | 第16页 |
| ·用户网络行为的概念 | 第16-17页 |
| ·用户网络行为的研究意义 | 第17页 |
| ·用户网络行为的分类 | 第17-18页 |
| ·用户网络行为分析研究现状 | 第18-22页 |
| ·数据来源分类 | 第20-21页 |
| ·基于协议层的研究 | 第21-22页 |
| ·数据挖掘在行为分析上的可行性 | 第22-24页 |
| ·本文研究特点 | 第24-26页 |
| 3 用户网络行为分析实施方法的研究 | 第26-40页 |
| ·分析工作概述 | 第26-27页 |
| ·分析的目标和内容 | 第26页 |
| ·分析的步骤 | 第26-27页 |
| ·数据的采集 | 第27-30页 |
| ·数据采集的对象 | 第27页 |
| ·数据流采集方法 | 第27-30页 |
| ·数据的预处理 | 第30-31页 |
| ·数据预处理的必要性 | 第30-31页 |
| ·数据预处理的方法 | 第31页 |
| ·数据选取过程 | 第31-32页 |
| ·数据选取的目的 | 第32页 |
| ·数据选取工作 | 第32页 |
| ·分析内容和分析方法 | 第32-40页 |
| ·校园网用户的分类及标识 | 第32-33页 |
| ·分析内容和相关数据选取 | 第33-37页 |
| ·校园网用户行为分析方法 | 第37-40页 |
| 4 数据挖掘在校园网用户行为分析的应用 | 第40-56页 |
| ·校园网概况 | 第40-41页 |
| ·数据挖掘的聚类分析方法 | 第41-51页 |
| ·聚类分析概述 | 第41-42页 |
| ·数据类型与数据结构 | 第42-44页 |
| ·聚类分析的方法 | 第44-45页 |
| ·数据挖掘常用聚类算法比较分析 | 第45-50页 |
| ·在协议属性上应用的必要性 | 第50-51页 |
| ·基于应用协议的k-means 聚类算法 | 第51-56页 |
| ·算法的基本思想 | 第51页 |
| ·K-means 算法的流程 | 第51页 |
| ·K-means 算法的实现 | 第51-53页 |
| ·算法实现过程中的重要函数 | 第53-56页 |
| 5 实验结果与分析 | 第56-66页 |
| ·K-means 用户行为聚类分析实验结果 | 第56-61页 |
| ·使用时间的宏观上的协议分析 | 第56-59页 |
| ·使用时间的宏观上对主机统计分析 | 第59-61页 |
| ·分区流量分析 | 第61-63页 |
| ·综合结论 | 第63-66页 |
| 6 总结和展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74-75页 |
| 详细摘要 | 第75-77页 |
