| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景和选题意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 Web挖掘的研究现状 | 第10-12页 |
| 1.2.2 Web增量式挖掘的研究现状 | 第12-14页 |
| 1.3 论文的主要内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 Web挖掘与Web使用挖掘 | 第16-22页 |
| 2.1 Web挖掘 | 第16-18页 |
| 2.1.1 Web挖掘 | 第16页 |
| 2.1.2 Web挖掘的特点 | 第16页 |
| 2.1.3 Web挖掘的分类 | 第16-18页 |
| 2.2 Web使用挖掘 | 第18-22页 |
| 2.2.1 Web日志挖掘的定义 | 第18页 |
| 2.2.2 Web日志挖掘中常用的概念 | 第18-19页 |
| 2.2.3 Web日志挖掘的步骤 | 第19页 |
| 2.2.4 Web日志数据的预处理 | 第19-22页 |
| 第3章 粗糙集和模糊聚类的基本理论 | 第22-27页 |
| 3.1 粗糙集理论 | 第22-24页 |
| 3.1.1 粗糙集 | 第22-23页 |
| 3.1.2 粗糙集的基本特点 | 第23-24页 |
| 3.2 模糊聚类理论 | 第24-27页 |
| 3.2.1 模糊关系 | 第24-25页 |
| 3.2.2 可能性测度 | 第25页 |
| 3.2.3 常用的聚类算法 | 第25-26页 |
| 3.2.4 聚类分析算法的选择 | 第26-27页 |
| 第4章 基于粗糙集的属性约简和SOFM网络 | 第27-32页 |
| 4.1 基于粗糙集的属性约简研究 | 第27-28页 |
| 4.2 增量式的聚类思想和SOFM网络 | 第28-32页 |
| 4.2.1 增量式聚类 | 第28-29页 |
| 4.2.2 SOFM(Self-Organization Feature Mapping)网络 | 第29-32页 |
| 第5章 Web日志增量式挖掘模型 | 第32-41页 |
| 5.1 Web日志增量式挖掘模型的设计 | 第32-35页 |
| 5.2 基于模糊SOFM网络的增量式聚类算法 | 第35-36页 |
| 5.3 Web日志数据的预处理 | 第36-37页 |
| 5.4 Web用户的兴趣度矩阵 | 第37-38页 |
| 5.5 Web用户的兴趣模式 | 第38页 |
| 5.6 Web用户访问的兴趣模式相似度系数 | 第38-39页 |
| 5.7 Web日志挖掘具体步骤 | 第39-41页 |
| 第6章 实验验证及分析 | 第41-52页 |
| 6.1 数据的准备 | 第41-44页 |
| 6.1.1 数据的选取 | 第41-42页 |
| 6.1.2 数据的预处理 | 第42-44页 |
| 6.2 Web日志增量式挖掘的实现 | 第44-50页 |
| 6.2.1 数据样本训练阶段 | 第44-48页 |
| 6.2.2 应用阶段 | 第48-50页 |
| 6.3 改进后的算法与传统SOFM网络对比 | 第50-52页 |
| 6.3.1 训练误差对比 | 第50页 |
| 6.3.2 聚类结果的对比 | 第50-52页 |
| 第7章 总结与展望 | 第52-54页 |
| 7.1 论文的总结 | 第52页 |
| 7.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间的研究成果 | 第59页 |