| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题背景 | 第7页 |
| ·国内外的研究现状 | 第7-8页 |
| ·研究工作和意义 | 第8-9页 |
| ·论文的组织结构 | 第9-11页 |
| 第二章 数据挖掘与WEB挖掘 | 第11-21页 |
| ·数据挖掘概念的提出 | 第11-16页 |
| ·数据挖掘的过程 | 第12-13页 |
| ·数据挖掘的方法 | 第13-16页 |
| ·WEB挖掘概念的提出 | 第16-20页 |
| ·Web挖掘概念 | 第16-17页 |
| ·Web挖掘分类 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 WEB聚类分析 | 第21-29页 |
| ·聚类分析 | 第21页 |
| ·WEB聚类分析 | 第21-22页 |
| ·聚类分析常用算法 | 第22-27页 |
| ·基于划分的方法(Partitioning Method) | 第22-24页 |
| ·基于层次的方法(Hierarchi cal Method) | 第24页 |
| ·基于密度的方法(Density-based Method) | 第24页 |
| ·基于网格的方法(Grid-based Method) | 第24页 |
| ·基于模型的方法(Model-based Method) | 第24-25页 |
| ·基于仿生学的方法(Bionic Method) | 第25-26页 |
| ·聚类算法比较 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第四章 WEB用户访问聚类分析系统构建 | 第29-49页 |
| ·系统模型 | 第29-32页 |
| ·系统功能层次结构 | 第29-30页 |
| ·系统架构与开发技术 | 第30-31页 |
| ·工作流程 | 第31-32页 |
| ·系统功能模块 | 第32页 |
| ·数据预处理 | 第32-38页 |
| ·挖掘数据源 | 第32-34页 |
| ·日志解析 | 第34-35页 |
| ·数据清洗 | 第35-36页 |
| ·用户识别 | 第36-37页 |
| ·会话/事务识别 | 第37页 |
| ·概念URL | 第37-38页 |
| ·WEB事务聚类分析 | 第38-47页 |
| ·基于K均值算法的Web事务聚类分析 | 第38-39页 |
| ·基于蚁群算法的Web事务聚类分析 | 第39-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 试验与分析 | 第49-59页 |
| ·基于蚁群算法的聚类分析结果 | 第49-52页 |
| ·基于K均值算法的聚类分析结果 | 第52-56页 |
| ·WEB用户访问聚类分析系统实现 | 第56-58页 |
| ·数据清洗视图 | 第56页 |
| ·会话识别视图 | 第56-57页 |
| ·聚类分析结果视图 | 第57-58页 |
| ·簇特征的呈现 | 第58页 |
| ·试验结果小结 | 第58-59页 |
| 第六章 结束语 | 第59-61页 |
| ·论文总结 | 第59页 |
| ·下一步的研究工作 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-65页 |
