| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 数据挖掘技术 | 第8-12页 |
| 1.2 序列模式挖掘及应用 | 第12-13页 |
| 1.3 序列模式挖掘存在的问题 | 第13-14页 |
| 1.4 文章结构和论文创新点 | 第14-17页 |
| 第二章 数据挖掘中的聚类技术 | 第17-25页 |
| 2.1 聚类的基础和算法分类 | 第17-19页 |
| 2.2 基于相似度或距离的聚类方法 | 第19-21页 |
| 2.3 聚类的过程 | 第21-22页 |
| 2.4 聚类数量的确定 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于k-medoids 的遗传算法聚类 | 第25-48页 |
| 3.1 传统的基于距离的聚类方法 | 第25-28页 |
| 3.2 遗传算法用于聚类 | 第28-32页 |
| 3.3 结合k-medoids 的遗传算法聚类GKMD | 第32-39页 |
| 3.4 基于密度的距离 | 第39页 |
| 3.5 实验结果及讨论 | 第39-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 结合聚类的两阶段序列模式挖掘方法 | 第48-71页 |
| 4.1 序列模式挖掘 | 第48-54页 |
| 4.2 基于聚类的两阶段序列模式挖掘算法 | 第54-62页 |
| 4.3 实验结果及讨论 | 第62-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 基于本体的Web 会话聚类方法研究 | 第71-94页 |
| 5.1 Web 日志会话聚类 | 第71-79页 |
| 5.2 基于语义公共路径的相似性度量 | 第79-83页 |
| 5.3 聚类的产生及可视化 | 第83-86页 |
| 5.4 实验结果及讨论 | 第86-93页 |
| 5.5 本章小结 | 第93-94页 |
| 第六章 总结与展望 | 第94-97页 |
| 6.1 论文的主要工作和创新性 | 第94-95页 |
| 6.2 今后研究工作与展望 | 第95-97页 |
| 参考文献 | 第97-106页 |
| 发表论文和科研情况说明 | 第106-107页 |
| 致谢 | 第107页 |