| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 本文的主要工作 | 第9-11页 |
| 第2章 Web挖掘的研究现状 | 第11-25页 |
| 2.1 数据挖掘的出现 | 第11-13页 |
| 2.2 Web挖掘概述 | 第13-14页 |
| 2.3 Web挖掘的分类 | 第14-19页 |
| 2.3.1 Web内容挖掘 | 第15-16页 |
| 2.3.2 Web的使用挖掘 | 第16-17页 |
| 2.3.3 Web的结构挖掘 | 第17-19页 |
| 2.4 聚类 | 第19-23页 |
| 2.4.1 聚类算法的分类 | 第19-22页 |
| 2.4.2 聚类的分析 | 第22页 |
| 2.4.3 聚类准则 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 粒子群算法 | 第25-37页 |
| 3.1 粒子群优化算法的基本原理 | 第25-27页 |
| 3.2 粒子群优化算法的发展状况 | 第27-32页 |
| 3.2.1 基本的PSO | 第28-29页 |
| 3.2.2 量子PSO算法(QPSO) | 第29-30页 |
| 3.2.3 离散二进制粒子群算法(BPSO) | 第30-31页 |
| 3.2.4 模拟退火粒子群优化算法 | 第31-32页 |
| 3.3 仿真实验及结果分析 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 粒子群算法在Web内容挖掘中的模型实现 | 第37-52页 |
| 4.1 预处理Web文本 | 第38-45页 |
| 4.1.1 Web文档挖掘 | 第38-40页 |
| 4.1.2 Web文本分词 | 第40-41页 |
| 4.1.3 去停用词 | 第41-42页 |
| 4.1.4 Web文档的特征提取 | 第42-45页 |
| 4.2 Web文本聚类 | 第45-48页 |
| 4.3 粒子群Web文本的聚类算法 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于粒子群算法在Web使用挖掘聚类模型的实现 | 第52-74页 |
| 5.1 原始数据获取 | 第53-57页 |
| 5.1.1 日志收集 | 第54-56页 |
| 5.1.2 其他数据源的收集 | 第56-57页 |
| 5.2 原始数据的整理 | 第57-58页 |
| 5.3 样本数据提取 | 第58-61页 |
| 5.4 构建粒子群聚类模型 | 第61-70页 |
| 5.5 抽取样本数据进行检测 | 第70-73页 |
| 5.6 本章总结 | 第73-74页 |
| 第6章 总结与展望 | 第74-77页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读学位期间的研究成果 | 第83页 |