基于ACO的WEB日志挖掘研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·Web 日志挖掘研究现状 | 第8-9页 |
| ·主要研究内容 | 第9-10页 |
| ·本文结构 | 第10-12页 |
| 第2章 Web 日志挖掘技术 | 第12-22页 |
| ·Web 挖掘概述 | 第12-15页 |
| ·Web 日志挖掘 | 第13页 |
| ·Web 内容挖掘 | 第13-14页 |
| ·Web 结构挖掘 | 第14-15页 |
| ·Web 日志挖掘流程 | 第15-16页 |
| ·Web 日志挖掘算法 | 第16-18页 |
| ·关联规则 | 第16页 |
| ·序列模式 | 第16-17页 |
| ·聚类 | 第17-18页 |
| ·Web 日志格式 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 蚁群算法研究 | 第22-36页 |
| ·蚁群算法的起源 | 第22-24页 |
| ·基本蚁群算法模型 | 第24-29页 |
| ·TSP 问题 | 第24页 |
| ·蚁群算法的数学模型 | 第24-27页 |
| ·蚁群算法的流程 | 第27-28页 |
| ·基本蚁群算法的优缺点 | 第28-29页 |
| ·蚁群聚类算法分析 | 第29-35页 |
| ·基于蚁堆形成原理的聚类算法 | 第29-32页 |
| ·基于蚂蚁觅食行为的聚类算法 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于 ACO 的群体用户浏览模式挖掘 | 第36-49页 |
| ·引言 | 第36页 |
| ·用户浏览模式研究现状 | 第36-37页 |
| ·蚁群算法用于浏览模式挖掘的可行性分析 | 第37-38页 |
| ·基于改进的蚁群算法的用户兴趣路径模式挖掘 | 第38-42页 |
| ·兴趣信息素定义 | 第38-40页 |
| ·蚁群浏览模型 | 第40-41页 |
| ·用户兴趣路径挖掘算法 | 第41-42页 |
| ·实验过程及结果分析 | 第42-48页 |
| ·实验数据收集 | 第42页 |
| ·实验数据预处理 | 第42-47页 |
| ·实验分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于 ACO 的增量式web 用户聚类 | 第49-61页 |
| ·引言 | 第49页 |
| ·用户聚类研究现状 | 第49-50页 |
| ·基于蚁群聚类模型的web 用户聚类 | 第50-55页 |
| ·web 用户特征表示 | 第50-51页 |
| ·领域相似函数 | 第51-52页 |
| ·概率转换函数 | 第52-53页 |
| ·蚁群聚类算法描述 | 第53-55页 |
| ·一种增量式web 用户聚类方法 | 第55-57页 |
| ·用户聚类中心定义 | 第55页 |
| ·簇解体机制 | 第55-56页 |
| ·聚类模型维护库 | 第56页 |
| ·增量式web 用户聚类算法描述 | 第56-57页 |
| ·实验结果分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 在学期间学术成果情况 | 第69-70页 |
| 致谢 | 第70页 |
