基于群智能和随机索引的网络聚类算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-17页 |
| 第一章 绪论 | 第17-28页 |
| ·引言 | 第17-18页 |
| ·群智能优化算法 | 第18-19页 |
| ·聚类分析 | 第19-22页 |
| ·聚类分析算法 | 第19-21页 |
| ·基于优化的聚类问题 | 第21-22页 |
| ·聚类效果评价 | 第22页 |
| ·Web用户行为分析 | 第22-24页 |
| ·本论文的主要工作 | 第24-26页 |
| ·本论文的组织结构 | 第26-28页 |
| 第二章 基于混沌蚂蚁群优化的聚类算法 | 第28-46页 |
| ·引言 | 第28-29页 |
| ·混沌蚂蚁群(CAS)算法 | 第29-31页 |
| ·基于混沌蚂蚁群优化的聚类算法(CAS-C) | 第31-38页 |
| ·CAS-C算法原理与流程 | 第31-34页 |
| ·比对算法 | 第34-36页 |
| ·评价指标 | 第36-38页 |
| ·聚类实验 | 第38-45页 |
| ·数据集 | 第38-40页 |
| ·参数设置 | 第40页 |
| ·实验结果分析 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 基于菌群优化的聚类算法 | 第46-66页 |
| ·引言 | 第46页 |
| ·菌群优化算法 | 第46-49页 |
| ·基于菌群优化的聚类算法(BF-C) | 第49-55页 |
| ·BF-C算法原理与流程 | 第49-51页 |
| ·BF-C算法参数设定原则 | 第51-52页 |
| ·评价指标 | 第52-53页 |
| ·比对算法 | 第53-55页 |
| ·聚类实验 | 第55-65页 |
| ·数据集 | 第55-56页 |
| ·参数讨论 | 第56-60页 |
| ·实验结果分析 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 基于随机索引的Web用户建模和聚类算法 | 第66-86页 |
| ·引言 | 第66-67页 |
| ·随机索引 | 第67-68页 |
| ·加权随机索引 | 第68-70页 |
| ·基于加权随机索引的用户建模和聚类过程 | 第70-73页 |
| ·单个用户兴趣页面集合 | 第70-71页 |
| ·URL分段 | 第71页 |
| ·用户浏览模式矩阵 | 第71-72页 |
| ·基于k值算法的Web用户聚类 | 第72-73页 |
| ·评价指标和比对方法 | 第73-75页 |
| ·评价指标 | 第73-75页 |
| ·比对方案 | 第75页 |
| ·参数讨论 | 第75-84页 |
| ·类别数目k | 第75-81页 |
| ·权重 | 第81-82页 |
| ·维度d | 第82-84页 |
| ·其他参数 | 第84页 |
| ·实验结果分析 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 基于CAS-C的Web用户聚类 | 第86-105页 |
| ·引言 | 第86-87页 |
| ·实验方案 | 第87-91页 |
| ·数据来源 | 第87-89页 |
| ·比对算法 | 第89页 |
| ·评价指标 | 第89-91页 |
| ·数据预处理 | 第91-93页 |
| ·数据清洗 | 第91页 |
| ·用户识别 | 第91-92页 |
| ·会话识别 | 第92-93页 |
| ·Web用户访问模型建立 | 第93-95页 |
| ·基于特征向量的用户建模 | 第93-94页 |
| ·基于随机索引的用户建模 | 第94-95页 |
| ·Web用户聚类实验 | 第95-103页 |
| ·参数讨论 | 第95-102页 |
| ·实验结果及分析 | 第102-103页 |
| ·本章小结 | 第103-105页 |
| 第六章 基于公共用户访问行为的Web预取 | 第105-115页 |
| ·引言 | 第105-106页 |
| ·算法评价 | 第106页 |
| ·评价指标 | 第106页 |
| ·比对算法 | 第106页 |
| ·预取方案 | 第106-110页 |
| ·用户行为预测 | 第107-109页 |
| ·预取规则 | 第109-110页 |
| ·实验结果及分析 | 第110-114页 |
| ·本章小结 | 第114-115页 |
| 第七章 工作小结与展望 | 第115-118页 |
| ·本论文研究工作总结 | 第115-116页 |
| ·研究工作展望 | 第116-118页 |
| 参考文献 | 第118-130页 |
| 致谢 | 第130-132页 |
| 攻读学位期间学术成果目录 | 第132-133页 |
