| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景与研究意义 | 第7-8页 |
| ·Web 数据挖掘研究现状 | 第8-10页 |
| ·Web 数据特点 | 第8-9页 |
| ·Web 数据挖掘分类 | 第9-10页 |
| ·结构安排及创新点 | 第10-12页 |
| 第二章 相关技术及理论介绍 | 第12-23页 |
| ·数据挖掘相关技术及理论介绍 | 第12-15页 |
| ·关联规则 | 第12-13页 |
| ·序列模式 | 第13页 |
| ·分类分析 | 第13-15页 |
| ·聚类分析 | 第15页 |
| ·群集智能的研究 | 第15-18页 |
| ·遗传算法 | 第16页 |
| ·蚁群算法 | 第16-17页 |
| ·粒子群算法 | 第17页 |
| ·粒子群与遗传算法比较 | 第17-18页 |
| ·群智能的特点和优点 | 第18页 |
| ·Web 访问模式挖掘的聚类相关理论 | 第18-23页 |
| ·聚类分析常用方法 | 第18-19页 |
| ·聚类算法的典型要求 | 第19-20页 |
| ·聚类算法的数据类型 | 第20页 |
| ·K-均值算法 | 第20-21页 |
| ·Web 访问模式挖掘的聚类算法 | 第21-23页 |
| 第三章 基于粒子群改进的聚类算法 | 第23-38页 |
| ·粒子群算法的概念 | 第23-26页 |
| ·基本思想及背景 | 第23-24页 |
| ·算法描述 | 第24-25页 |
| ·参数选择 | 第25-26页 |
| ·粒子群相关理论发展 | 第26-27页 |
| ·粒子群参数的优化 | 第26页 |
| ·粒子群拓扑结构改进 | 第26页 |
| ·混合PSO | 第26-27页 |
| ·离散PSO | 第27页 |
| ·粒子群的应用方向 | 第27-28页 |
| ·粒子群的聚类算法 | 第28-29页 |
| ·粒子群与K-均值混合聚类算法 | 第29-30页 |
| ·粒子群与K-均值混合聚类算法研究现状 | 第29页 |
| ·观点验证 | 第29-30页 |
| ·基于搜索方向改进的RVPSO-K 聚类算法 | 第30-33页 |
| ·问题提出 | 第30-31页 |
| ·RVPSO-K 聚类算法相关定义 | 第31-32页 |
| ·RVPSO-K 聚类算法基本流程 | 第32-33页 |
| ·算法参数选择 | 第33页 |
| ·实验 | 第33-38页 |
| ·实验一 | 第33-34页 |
| ·实验二 | 第34-36页 |
| ·实验三 | 第36-37页 |
| ·结论 | 第37-38页 |
| 第四章 RVPSO-K 聚类算法在Web 访问模式中的应用 | 第38-51页 |
| ·Web 访问模式挖掘研究及应用 | 第38-39页 |
| ·Web 访问模式挖掘的数据预处理 | 第39-43页 |
| ·日志数据 | 第39-40页 |
| ·数据清洗 | 第40页 |
| ·用户识别 | 第40-41页 |
| ·会话识别 | 第41页 |
| ·路径完善 | 第41-42页 |
| ·事务识别 | 第42-43页 |
| ·Web 访问模式挖掘聚类中的RVPSO-K 算法实现 | 第43-46页 |
| ·UserID-URL 关联矩阵构建 | 第44页 |
| ·相似性度量 | 第44-45页 |
| ·RVPSO-K 的算法流程 | 第45页 |
| ·具体算法实现说明 | 第45-46页 |
| ·仿真实验 | 第46-51页 |
| ·仿真实验数据 | 第46页 |
| ·仿真实验结果 | 第46-51页 |
| 第五章 结束语 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·存在的问题及展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和科研情况说明 | 第56-57页 |
| 致谢 | 第57页 |