| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题研究的背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 国内外数据挖掘研究现状和发展趋势 | 第15-16页 |
| 1.2.2 国内外聚类分析算法研究现状 | 第16-17页 |
| 1.2.3 人工蜂群算法研究现状 | 第17-18页 |
| 1.2.4 分布估计算法研究现状 | 第18-19页 |
| 1.3 本文主要工作及内容安排 | 第19-21页 |
| 1.3.1 论文的研究内容 | 第19页 |
| 1.3.2 论文的结构安排 | 第19-21页 |
| 第2章 聚类算法综述 | 第21-29页 |
| 2.1 聚类算法 | 第21-26页 |
| 2.1.1 聚类算法基本知识 | 第21页 |
| 2.1.2 常用聚类算法分类 | 第21-24页 |
| 2.1.3 聚类算法的一般步骤 | 第24-25页 |
| 2.1.4 聚类的评价标准 | 第25-26页 |
| 2.2 模糊聚类算法 | 第26-27页 |
| 2.2.1 模糊C-均值聚类算法(FCM)算法基本描述 | 第26-27页 |
| 2.2.2 FCM算法的优缺点 | 第27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于混合人工蜂群的模糊聚类算法 | 第29-39页 |
| 3.1 人工蜂群算法 | 第29-33页 |
| 3.1.1 人工蜂群算法的起源与发展 | 第29-30页 |
| 3.1.2 人工蜂群算法基本描述 | 第30-33页 |
| 3.2 连续型编码分布估计算法UMDAc | 第33-34页 |
| 3.3 基于连续分布估计的人工蜂群算法(UMDAc-ABC) | 第34-36页 |
| 3.3.1 算法原理 | 第34-35页 |
| 3.3.2 具体实现步骤 | 第35-36页 |
| 3.4 基于混合人工蜂群的模糊C-均值聚类算法(UMDAc-ABC-FCM) | 第36页 |
| 3.5 本章小结 | 第36-39页 |
| 第4章 改进算法的性能测试与分析 | 第39-43页 |
| 4.1 基于连续分布估计的人工蜂群算法性能测试与分析 | 第39-42页 |
| 4.1.1 实验测试集 | 第39-40页 |
| 4.1.2 UMDAc-ABC算法与标准蜂群算法、遗传算法以及进化算法比较 | 第40-41页 |
| 4.1.3 UMDAc-ABC算法与GABC、EABC、ABC算法比较 | 第41-42页 |
| 4.2 基于混合人工蜂群的模糊C-均值聚类算法与其他算法的比较 | 第42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 改进的模糊C-均值聚类算法(UMDAc-ABC)在Web日志挖掘中的应用 | 第43-53页 |
| 5.1 Web数据挖掘概述 | 第43-44页 |
| 5.1.1 Web挖掘 | 第43-44页 |
| 5.1.2 Web日志挖掘 | 第44页 |
| 5.2 Web日志挖掘的应用 | 第44-45页 |
| 5.3 Web日志挖掘系统结构 | 第45-48页 |
| 5.3.1 Web日志挖掘的步骤 | 第45-46页 |
| 5.3.2 Web日志结构 | 第46页 |
| 5.3.3 Web日志数据的预处理过程 | 第46-48页 |
| 5.4 用户聚类和页面聚类 | 第48-49页 |
| 5.4.1 用户聚类 | 第48-49页 |
| 5.4.2 页面聚类 | 第49页 |
| 5.5 实验结果 | 第49-51页 |
| 5.6 本章小结 | 第51-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表论文 | 第59-61页 |
| 致谢 | 第61页 |
