K-均值聚类算法及其在高校图书馆日志挖掘中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题研究的背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9页 |
| ·主要研究内容 | 第9-10页 |
| ·论文组织结构 | 第10-11页 |
| 2 Web日志挖掘的研究 | 第11-23页 |
| ·数据挖掘 | 第11-15页 |
| ·数据挖掘与知识发现(KDD) | 第11-13页 |
| ·数据挖掘的任务与技术 | 第13-14页 |
| ·Web挖掘 | 第14-15页 |
| ·Web日志挖掘 | 第15-17页 |
| ·Web日志挖掘的过程 | 第15-16页 |
| ·Web日志挖掘技术 | 第16-17页 |
| ·Web日志数据预处理 | 第17-22页 |
| ·Web日志数据预处理技术 | 第17-19页 |
| ·Web日志数据预处理流程 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3 K-均值聚类算法的研究 | 第23-36页 |
| ·聚类分析 | 第23-28页 |
| ·聚类分析的数学模型 | 第23-24页 |
| ·聚类分析方法 | 第24-28页 |
| ·K-均值聚类算法 | 第28-30页 |
| ·K-均值算法分析 | 第29-30页 |
| ·K-均值算法的时间复杂度 | 第30页 |
| ·K-均值算法的改进 | 第30-35页 |
| ·IKM算法 | 第31-33页 |
| ·IKM算法的时间复杂度 | 第33-34页 |
| ·算法比较 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 IKM算法在高校图书馆日志挖掘中的应用 | 第36-47页 |
| ·日志数据预处理 | 第36-37页 |
| ·初始数据导入 | 第36页 |
| ·数据清洗 | 第36-37页 |
| ·用户识别 | 第37页 |
| ·会话识别 | 第37页 |
| ·挖掘辅助工具的设计 | 第37-39页 |
| ·基于图书馆日志的聚类挖掘 | 第39-43页 |
| ·Weka数据挖掘工具 | 第40-41页 |
| ·算法的封装 | 第41-42页 |
| ·向量表导入 | 第42-43页 |
| ·挖掘结果及其分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 5 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·进一步工作展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录Ⅰ 硕士研究生学习阶段发表论文 | 第54-55页 |
| 附录Ⅱ 算法部分代码 | 第55-60页 |
