| 第一章 引言 | 第1-14页 |
| ·数据挖掘 | 第8-9页 |
| ·Web挖掘中的聚类与分类 | 第9-11页 |
| ·蚁群优化算法 | 第11-12页 |
| ·本文研究意义及内容安排 | 第12-13页 |
| ·本人主要工作 | 第13-14页 |
| 第二章 Web挖掘 | 第14-38页 |
| ·Web挖掘概述 | 第14页 |
| ·Web挖掘分类 | 第14-16页 |
| ·Web内容挖掘 | 第16-17页 |
| ·Web结构挖掘 | 第17-20页 |
| ·Page---Rank方法 | 第17-18页 |
| ·Hub/authority方法 | 第18-20页 |
| ·Web使用挖掘 | 第20-30页 |
| ·数据预处理 | 第21-24页 |
| ·源数据收集 | 第21-22页 |
| ·使用数据预处理 | 第22-24页 |
| ·模式发现 | 第24-28页 |
| ·统计分析方法 | 第25页 |
| ·路径分析方法 | 第25-26页 |
| ·关联规则 | 第26页 |
| ·序列模式 | 第26-27页 |
| ·分类 | 第27页 |
| ·聚类 | 第27页 |
| ·依赖性建模 | 第27-28页 |
| ·模式分析 | 第28页 |
| ·模式应用 | 第28-30页 |
| ·个性化服务与定制 | 第28-29页 |
| ·商业智能 | 第29-30页 |
| ·改善站点性能 | 第30页 |
| ·Web挖掘中的聚类技术 | 第30-35页 |
| ·基于神经网络的用户聚类算法 | 第31-32页 |
| ·基于URL—UserID关联矩阵的用户聚类算法 | 第32-33页 |
| ·基于综合页面的用户聚类算法 | 第33-34页 |
| ·基于URL—UserID关联矩阵的Web页面聚类算法 | 第34页 |
| ·基于模糊聚类算法的Web页面聚类 | 第34-35页 |
| ·Web挖掘中的分类技术 | 第35-37页 |
| ·基于页面文本的分类方法 | 第35-36页 |
| ·基于超文本结构的Web页面分类 | 第36-37页 |
| ·基于页面文本与超文本结构信息的Web页面综合分类 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第三章 蚁群算法概述 | 第38-46页 |
| ·人工蚂蚁与真实蚂蚁的异同 | 第39-41页 |
| ·蚁群算法的原型 | 第41-43页 |
| ·蚁群聚类算法基本思想 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于蚁群算法的Web使用挖掘聚类模型 | 第46-56页 |
| ·基于人工蚂蚁聚类算法的web页面聚类模型 | 第46页 |
| ·人工蚂蚁聚类模型和算法 | 第46-51页 |
| ·人工蚂蚁建模 | 第46-47页 |
| ·算法伪码描述 | 第47-48页 |
| ·算法的实现(C语言) | 第48-51页 |
| ·实验仿真 | 第51-55页 |
| ·数据的预处理 | 第51-54页 |
| ·实验结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于蚁群算法的Web内容挖掘分类模型 | 第56-64页 |
| ·基于蚂蚁算法的Web页面分类模型 | 第56-60页 |
| ·基于蚁群算法的分类规则挖掘算法 | 第56页 |
| ·构造规则 | 第56-58页 |
| ·规则后剪枝 | 第58页 |
| ·信息素浓度更新 | 第58-59页 |
| ·算法描述 | 第59-60页 |
| ·Web页面分类 | 第60-62页 |
| ·页面预处理 | 第61页 |
| ·算法参数设置与实验结果分析 | 第61-62页 |
| ·本章总结 | 第62-64页 |
| 第六章 总结与展望 | 第64-67页 |
| ·论文总结 | 第64页 |
| ·Web挖掘的未来 | 第64-65页 |
| ·下一步的研究工作 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文 | 第73页 |