| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·论文的研究背景和选题意义 | 第8-9页 |
| ·选题背景 | 第8-9页 |
| ·选题意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文的工作和组织结构 | 第11-14页 |
| ·工作内容 | 第11-12页 |
| ·组织结构 | 第12-14页 |
| 第2章 Web日志挖掘 | 第14-28页 |
| ·Web挖掘 | 第14-16页 |
| ·Web挖掘概述 | 第14-15页 |
| ·Web内容挖掘 | 第15页 |
| ·Web结构挖掘 | 第15页 |
| ·Web日志挖掘 | 第15-16页 |
| ·Web日志挖掘基础知识 | 第16-18页 |
| ·Web日志名词解释 | 第16页 |
| ·Web日志格式 | 第16-18页 |
| ·Web日志挖掘流程 | 第18-24页 |
| ·数据收集 | 第18-19页 |
| ·数据预处理 | 第19-22页 |
| ·模式发现 | 第22-24页 |
| ·模式分析及可视化 | 第24页 |
| ·聚类分析 | 第24-27页 |
| ·聚类分析概述 | 第24-25页 |
| ·聚类分析分类 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 粗糙集理论与人工神经网络 | 第28-41页 |
| ·粗糙集理论 | 第28-33页 |
| ·近似空间、不可区分关系与知识库 | 第29-30页 |
| ·上下近似集 | 第30-32页 |
| ·粗糙集的特征 | 第32-33页 |
| ·人工神经网络 | 第33-36页 |
| ·人工神经元模型 | 第33-35页 |
| ·人工神经网络学习算法 | 第35-36页 |
| ·自组织神经网络 | 第36-40页 |
| ·自组织神经网络模型 | 第36-37页 |
| ·自组织神经网络原理和学习方法 | 第37-39页 |
| ·自组织神经网络优缺点 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于粗糙集和自组织神经网络的Web日志挖掘设计 | 第41-56页 |
| ·基于粗糙集的自组织神经网络 | 第41-46页 |
| ·基于粗糙集的自组织神经网络模型 | 第41-42页 |
| ·基于粗糙集的自组织神经网络原理与学习算法 | 第42-46页 |
| ·总体设计 | 第46-48页 |
| ·数据预处理 | 第48-50页 |
| ·训练阶段 | 第50-54页 |
| ·自组织神经网络训练 | 第50-52页 |
| ·粗糙自组织神经网络训练 | 第52-54页 |
| ·应用阶段 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第5章 性能测试及结果分析 | 第56-62页 |
| ·实验平台搭建 | 第56-58页 |
| ·实验基本条件 | 第56-57页 |
| ·实验输入参数 | 第57-58页 |
| ·实验评估参数 | 第58页 |
| ·实验程序性能测试 | 第58-61页 |
| ·小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| ·全文总结 | 第62页 |
| ·工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间的研究成果 | 第68页 |