| 摘要 | 第1-7页 |
| ABSTRACT | 第7-18页 |
| 第1章 绪论 | 第18-31页 |
| ·研究背景和意义 | 第18-20页 |
| ·研究背景 | 第18-19页 |
| ·研究对象 | 第19-20页 |
| ·增量挖掘技术的研究发展现状 | 第20-25页 |
| ·关联规则的增量挖掘 | 第22-23页 |
| ·聚类的增量挖掘 | 第23页 |
| ·增量的分类算法 | 第23-25页 |
| ·序列模式的增量挖掘 | 第25页 |
| ·本文的主题 | 第25-26页 |
| ·本文的主要贡献 | 第26-28页 |
| ·本文的组织 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第2章 WEB日志挖掘综述 | 第31-45页 |
| ·数据源 | 第31-32页 |
| ·服务器端 | 第31页 |
| ·客户端 | 第31-32页 |
| ·代理端 | 第32页 |
| ·Web日志文件预处理 | 第32-40页 |
| ·数据清理 | 第34页 |
| ·用户识别 | 第34-37页 |
| ·会话识别 | 第37-39页 |
| ·路径补充 | 第39页 |
| ·增量日志文件的处理 | 第39-40页 |
| ·Web日志中的知识发现 | 第40-41页 |
| ·Web使用挖掘的应用 | 第41-42页 |
| ·个性化传递Web页面的内容 | 第41页 |
| ·通过预取和缓冲技术改进用户导航 | 第41-42页 |
| ·改进Web站点的设计 | 第42页 |
| ·电子商务 | 第42页 |
| ·软件 | 第42-43页 |
| ·Web日志的增量挖掘 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于模糊连接度的层次聚类算法 | 第45-78页 |
| ·聚类的基本概念 | 第45-49页 |
| ·聚类算法中的数据结构 | 第46-47页 |
| ·相似性度量 | 第47-48页 |
| ·准则函数 | 第48-49页 |
| ·模糊聚类 | 第49-53页 |
| ·模糊集和模糊关系 | 第50-52页 |
| ·模糊图 | 第52-53页 |
| ·模糊层次聚类算法 | 第53-57页 |
| ·邻域 | 第53-55页 |
| ·基于模糊连接度的层次聚类算法 | 第55-57页 |
| ·计算复杂度 | 第57页 |
| ·增量式模糊层次聚类算法(IFHC) | 第57-61页 |
| ·插入对象的情况 | 第58-60页 |
| ·删除对象的情况 | 第60-61页 |
| ·基于数据分区的模糊聚类算法(PFHC) | 第61-68页 |
| ·数据分区 | 第62-65页 |
| ·边界处理 | 第65-67页 |
| ·PFHC算法描述 | 第67-68页 |
| ·实验结果 | 第68-77页 |
| ·FHC算法的性能测试与比较 | 第68-72页 |
| ·IFHC算法的性能测试与比较 | 第72-73页 |
| ·PFHC算法的性能测试与比较 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第4章 基于竞争的神经网络模型 | 第78-107页 |
| ·竞争型神经网络 | 第79-82页 |
| ·SIN网络模型和算法实现 | 第82-88页 |
| ·网络结构 | 第82-83页 |
| ·学习算法 | 第83-85页 |
| ·SIN网络的学习规则 | 第85-87页 |
| ·网络回想 | 第87页 |
| ·在线聚类 | 第87-88页 |
| ·ASCPN模型 | 第88-95页 |
| ·学习过程 | 第89-93页 |
| ·ASCPN网络的学习算法 | 第93-94页 |
| ·网络回想 | 第94-95页 |
| ·ASCPN网络模型的特点 | 第95页 |
| ·有效性测试 | 第95-106页 |
| ·SIN网络模型的实验 | 第95-100页 |
| ·ASCPN网络模型的实验 | 第100-106页 |
| ·本章小结 | 第106-107页 |
| 第5章 基于聚类划分的最大频繁项集的挖掘 | 第107-133页 |
| ·关联规则的挖掘 | 第107-110页 |
| ·关联规则 | 第107-108页 |
| ·FP-growth算法 | 第108-109页 |
| ·存在的问题 | 第109-110页 |
| ·局部频繁项集和全局频繁项集 | 第110-116页 |
| ·基本概念 | 第110-111页 |
| ·算法思想 | 第111-116页 |
| ·基于聚类划分的关联规则挖掘算法 | 第116-121页 |
| ·改进的FP-tree构造 | 第117-119页 |
| ·算法描述 | 第119-121页 |
| ·全局频繁项目集的快速更新 | 第121-127页 |
| ·增量FP-growth挖掘算法 | 第121-126页 |
| ·算法描述 | 第126-127页 |
| ·基于聚类划分的关联规则增量更新算法 | 第127-129页 |
| ·实验结果 | 第129-131页 |
| ·无增量数据时的实验结果 | 第129-130页 |
| ·增量数据的实验结果 | 第130-131页 |
| ·本章小结 | 第131-133页 |
| 第6章 基于WEB日志挖掘的动态分析系统 | 第133-150页 |
| ·Weblog Analyzer的系统框架和功能 | 第133-134页 |
| ·Weblog Analyzer原型系统的设计与实验 | 第134-149页 |
| ·事务数据库和模式数据库 | 第135-136页 |
| ·数据预处理 | 第136-141页 |
| ·最大频繁模式挖掘 | 第141-145页 |
| ·聚类分析 | 第145-148页 |
| ·分类 | 第148-149页 |
| ·本章小结 | 第149-150页 |
| 第7章 总结与展望 | 第150-153页 |
| ·总结 | 第150-151页 |
| ·未来工作的展望 | 第151-153页 |
| 参考文献 | 第153-165页 |
| 攻读博士学位期间主要的研究成果 | 第165-167页 |
| 致谢 | 第167-168页 |