| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·高校校园网网络现状 | 第8-10页 |
| ·校园网规模 | 第8页 |
| ·校园网的特点及面临的主要问题 | 第8-10页 |
| ·国内外研究现状 | 第10页 |
| ·本文的研究内容和文章结构 | 第10-12页 |
| ·本文研究内容 | 第10-11页 |
| ·文章结构 | 第11-12页 |
| 第二章 相关知识介绍 | 第12-20页 |
| ·用户行为分析概论 | 第12-13页 |
| ·网络用户的概念及分类 | 第12页 |
| ·用户行为分析的概念及分类 | 第12-13页 |
| ·数据挖掘概论 | 第13-16页 |
| ·数据挖掘的概念 | 第13页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·数据挖掘的主要方法 | 第14-15页 |
| ·数据挖掘系统与工具 | 第15页 |
| ·数据挖掘的发展前景 | 第15-16页 |
| ·数据预处理 | 第16页 |
| ·数据预处理的概念 | 第16页 |
| ·数据预处理的方法 | 第16页 |
| ·聚类分析及相关分析技术 | 第16-20页 |
| ·聚类分析的概念 | 第17页 |
| ·主要的聚类方法 | 第17-20页 |
| 第三章 校园网用户行为分析系统 | 第20-26页 |
| ·整体概述 | 第20页 |
| ·数据分析系统及分析工具 | 第20-21页 |
| ·数据源及数据选择 | 第21-22页 |
| ·数据内容 | 第22-24页 |
| ·数据预处理 | 第24-26页 |
| 第四章 校园网数据统计分析 | 第26-40页 |
| ·上线总数的分布情况 | 第26-29页 |
| ·连接时长统计分析 | 第29-30页 |
| ·每天的统计情况 | 第30-34页 |
| ·每天在线人数统计 | 第30-31页 |
| ·每天流量使用统计 | 第31-32页 |
| ·每天连接时间的统计 | 第32-34页 |
| ·工作日和周末的网络活动对比 | 第34页 |
| ·学生异常网络行为统计 | 第34-40页 |
| 第五章 基于K-means算法的校园网用户行为分析研究 | 第40-53页 |
| ·K-means算法及处理过程 | 第40-41页 |
| ·建立数据挖掘模型 | 第41-46页 |
| ·数据源选择 | 第41-42页 |
| ·建立数据挖掘模型 | 第42-43页 |
| ·设置算法参数 | 第43-44页 |
| ·生成挖掘模型 | 第44-46页 |
| ·聚类结果以及结果分析 | 第46-49页 |
| ·聚类结果 | 第46页 |
| ·结果分析 | 第46-47页 |
| ·分类5的具体分析 | 第47-49页 |
| ·学生上网行为管理 | 第49-53页 |
| ·学生上网管理措施 | 第49-51页 |
| ·网络控制措施 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·研究工作总结 | 第53页 |
| ·后续工作与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |