| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 引言 | 第9-14页 |
| ·论文的研究背景和意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·选题意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外的研究现状 | 第10-11页 |
| ·国内的研究现状 | 第11-12页 |
| ·论文的主要内容 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第2章 Web用户模式挖掘理论基础 | 第14-22页 |
| ·Web挖掘 | 第14-16页 |
| ·Web挖掘定义 | 第14页 |
| ·Web挖掘的复杂性 | 第14页 |
| ·Web挖掘的分类 | 第14-16页 |
| ·Web使用挖掘 | 第16-18页 |
| ·Web日志挖掘简介 | 第16页 |
| ·Web日志挖掘的预处理流程 | 第16-17页 |
| ·Web日志挖掘中常用技术 | 第17-18页 |
| ·聚类分析基本理论 | 第18-21页 |
| ·聚类分析基本概念 | 第19页 |
| ·聚类方法介绍 | 第19-20页 |
| ·聚类分析中的相似性度量 | 第20-21页 |
| ·聚类算法面临的主要问题 | 第21页 |
| ·小结 | 第21-22页 |
| 第3章 模糊聚类和自组织神经网络 | 第22-27页 |
| ·模糊聚类 | 第22-24页 |
| ·模糊聚类FCM算法介绍 | 第22-23页 |
| ·模糊聚类FCM算法分析 | 第23-24页 |
| ·自组织神经网络 | 第24-26页 |
| ·自组织特征映射神经网络(SOM)的介绍 | 第24页 |
| ·自组织特征映射神经网络(SOM)的原理和算法 | 第24-25页 |
| ·自组织特征映射神经网络(SOM)的分析 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第4章 基于模糊聚类和自组织神经网络的Web用户模式挖掘设计 | 第27-37页 |
| ·Web用户聚类 | 第27-30页 |
| ·用户网站访问序列相似度 | 第27-28页 |
| ·用户兴趣主题的特征向量 | 第28-29页 |
| ·用户相似度计算 | 第29页 |
| ·聚类数目确定 | 第29-30页 |
| ·基于模糊C均值聚类的自组织神经网络 | 第30-34页 |
| ·基于模糊C均值聚类的自组织神经网络结构 | 第30-31页 |
| ·基于模糊C均值聚类的自组织神经网络的原理 | 第31-32页 |
| ·基于模糊C均值聚类的自组织神经网络的算法 | 第32-33页 |
| ·基于模糊C均值聚类的自组织神经网络的算法分析 | 第33-34页 |
| ·Web用户模式挖掘模型的设计 | 第34-35页 |
| ·小结 | 第35-37页 |
| 第5章 基于模糊聚类和自组织神经网络的Web用户模式挖掘实现及分析 | 第37-52页 |
| ·实验平台搭建 | 第37-38页 |
| ·实验环境 | 第37页 |
| ·实验评估参数 | 第37-38页 |
| ·数据预处理 | 第38-41页 |
| ·数据集介绍 | 第38-39页 |
| ·数据预处理 | 第39-41页 |
| ·Web用户模式挖掘模型的实现 | 第41-49页 |
| ·学习训练阶段 | 第41-47页 |
| ·应用阶段 | 第47-49页 |
| ·基于改进前后的自组织神经网络算法的对比 | 第49-51页 |
| ·训练误差对比 | 第49-50页 |
| ·聚类结果对比 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| ·结论 | 第52-53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的研究成果 | 第58页 |