| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·论文的研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11页 |
| ·本文的主要工作内容和组织结构 | 第11-14页 |
| ·本文的主要工作内容 | 第11-12页 |
| ·本文组织结构 | 第12-14页 |
| 第2章 数据挖掘与Web挖掘 | 第14-22页 |
| ·数据挖掘概述 | 第14页 |
| ·Web挖掘的概念 | 第14-15页 |
| ·Web挖掘分类 | 第15-17页 |
| ·内容挖掘 | 第15-16页 |
| ·结构挖掘 | 第16页 |
| ·日志挖掘 | 第16-17页 |
| ·Web日志挖掘中的日志简介 | 第17-18页 |
| ·Web日志挖掘的数据来源 | 第17-18页 |
| ·日志的格式 | 第18页 |
| ·Web日志挖掘流程 | 第18-20页 |
| ·数据预处理 | 第19页 |
| ·模式挖掘 | 第19-20页 |
| ·模式分析 | 第20页 |
| ·Web挖掘的应用 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第3章 Web日志挖掘预处理算法的研究 | 第22-33页 |
| ·Web日志预处理 | 第22-27页 |
| ·数据清洗 | 第22-23页 |
| ·用户识别 | 第23-24页 |
| ·会话识别 | 第24-25页 |
| ·路径补充 | 第25-26页 |
| ·事务识别 | 第26-27页 |
| ·改进的预处理算法及其实验结果 | 第27-32页 |
| ·数据清洗算法 | 第27-28页 |
| ·用户识别算法 | 第28-29页 |
| ·事务识别算法 | 第29-30页 |
| ·实验结果分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 聚类算法研究及其在Web日志挖掘中的应用 | 第33-49页 |
| ·聚类分析概述 | 第33-34页 |
| ·聚类分析要求 | 第34-36页 |
| ·聚类分析数据对象相似度度量 | 第36-37页 |
| ·聚类分析方法分类 | 第37-42页 |
| ·K-means算法 | 第38-39页 |
| ·AGNES算法 | 第39-40页 |
| ·DBSCAN算法 | 第40-41页 |
| ·模糊聚类算法 | 第41-42页 |
| ·改进的K-means算法 | 第42-43页 |
| ·改进K-means算法实验分析及在Web日志挖掘中的应用 | 第43-48页 |
| ·改进K-means算法实验分析 | 第44-45页 |
| ·改进K-means算法在Web日志挖掘中的应用 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结和展望 | 第49-51页 |
| ·论文总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表的论文 | 第56页 |