校园网用户行为信息的预处理与聚类方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 课题研究现状 | 第12-13页 |
| 1.4 论文主要工作及创新点 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第二章 校园网用户行为信息分析方法 | 第15-27页 |
| 2.1 校园网用户行为定义 | 第15页 |
| 2.2 数据挖掘 | 第15-17页 |
| 2.2.1 基本概念 | 第15-16页 |
| 2.2.2 运行过程 | 第16-17页 |
| 2.3 统计方法 | 第17-18页 |
| 2.4 预处理方法 | 第18-20页 |
| 2.4.1 数据清理 | 第19页 |
| 2.4.2 数据集成和变换 | 第19-20页 |
| 2.4.3 数据归约 | 第20页 |
| 2.5 聚类方法 | 第20-26页 |
| 2.5.1 基本概念 | 第20-21页 |
| 2.5.2 分析方法 | 第21-24页 |
| 2.5.3 常用聚类算法比较分析 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 归一化加权预处理方法 | 第27-31页 |
| 3.1 常用校园网用户行为信息预处理方法分析 | 第27-28页 |
| 3.2 归一化加权预处理方法 | 第28-29页 |
| 3.2.1 数据的标准化处理 | 第28-29页 |
| 3.2.2 加权归一化 | 第29页 |
| 3.3 改进后的预处理流程 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于子空间的粒子群聚类方法 | 第31-43页 |
| 4.1 常用校园网用户行为信息数据分析方法分析 | 第31页 |
| 4.2 基于图论的子空间聚类方法 | 第31-36页 |
| 4.2.1 图论相关技术 | 第32-33页 |
| 4.2.2 数学解释 | 第33-34页 |
| 4.2.3 相关矩阵 | 第34-35页 |
| 4.2.4 子空间聚类算法流程 | 第35-36页 |
| 4.3 粒子群聚类算法 | 第36-40页 |
| 4.3.1 基本粒子群算法 | 第36-38页 |
| 4.3.2 标准粒子群算法 | 第38页 |
| 4.3.3 参数分析 | 第38-39页 |
| 4.3.4 算法流程 | 第39-40页 |
| 4.3.5 改进惯性权重 | 第40页 |
| 4.4 校园网用户行为分析聚类算法 | 第40-41页 |
| 4.4.1 算法流程 | 第40-41页 |
| 4.4.2 算法时间复杂度分析 | 第41页 |
| 4.5 本章小结 | 第41-43页 |
| 第五章 预处理和聚类方法应用与分析 | 第43-57页 |
| 5.1 校园网用户行为信息分析背景 | 第43-45页 |
| 5.1.1 数据来源 | 第43-44页 |
| 5.1.2 数据特点 | 第44-45页 |
| 5.2 数据预处理 | 第45-49页 |
| 5.2.1 数据清理和特征提取 | 第45-46页 |
| 5.2.2 数据转换 | 第46-48页 |
| 5.2.3 数据标准化 | 第48-49页 |
| 5.2.4 加权归一化 | 第49页 |
| 5.3 聚类应用及结果分析 | 第49-56页 |
| 5.3.1 计算距离矩阵 | 第49-50页 |
| 5.3.2 算法运行环境及参数配置 | 第50页 |
| 5.3.3 聚类结果 | 第50-53页 |
| 5.3.4 聚类结果分析 | 第53-54页 |
| 5.3.5 算法对比 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 在学期间发表的论文和取得的学术成果 | 第65页 |
