| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题研究的来源 | 第8页 |
| 1.2 选题的研究意义和价值 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 论文的研究思想和内容安排 | 第11-12页 |
| 1.4.1 本文的研究内容 | 第11页 |
| 1.4.2 本文的组织和安排 | 第11-12页 |
| 2 Web数据挖掘 | 第12-18页 |
| 2.1 数据挖掘概述 | 第12页 |
| 2.2 Web数据挖掘 | 第12-14页 |
| 2.2.1 Web数据挖掘的定义 | 第13页 |
| 2.2.2 Web数据挖掘的特点 | 第13页 |
| 2.2.3 Web数据挖掘的分类 | 第13-14页 |
| 2.3 Web使用挖掘 | 第14-18页 |
| 2.3.1 Web使用挖掘的应用 | 第14-15页 |
| 2.3.2 Web使用挖掘过程 | 第15-18页 |
| 3 基于模糊粗糙K-Means的用户访问模式聚类 | 第18-32页 |
| 3.1 模糊数学 | 第18-21页 |
| 3.1.1 模糊数学的产生 | 第18页 |
| 3.1.2 模糊语言变量 | 第18-19页 |
| 3.1.3 隶属度函数 | 第19-21页 |
| 3.2 粗糙集 | 第21-22页 |
| 3.2.1 粗糙集理论 | 第21-22页 |
| 3.2.2 粗糙集理论的特点 | 第22页 |
| 3.3 聚类算法 | 第22-24页 |
| 3.3.1 K-Means算法基本概念 | 第22-23页 |
| 3.3.2 相似性度量 | 第23-24页 |
| 3.4 基于模糊的web会话预处理 | 第24-26页 |
| 3.4.1 知识预备 | 第24页 |
| 3.4.2 用户访问模式 | 第24-25页 |
| 3.4.3 刻画访问模式为模糊向量 | 第25-26页 |
| 3.5 粗糙K-Means聚类 | 第26-29页 |
| 3.5.1 预备知识 | 第27页 |
| 3.5.2 基于粗糙的用户访问模式聚类 | 第27-29页 |
| 3.6 实例分析 | 第29-32页 |
| 4 模式挖掘算法 | 第32-42页 |
| 4.1 Web访问模式挖掘算法 | 第32-33页 |
| 4.2 拓展的Web访问模式挖掘算法 | 第33-35页 |
| 4.3 评估函数 | 第35页 |
| 4.4 实例分析 | 第35-41页 |
| 4.4.1 Web访问模式挖掘算法 | 第36-38页 |
| 4.4.2 拓展的Web访问模式挖掘算法 | 第38-41页 |
| 4.5 小结 | 第41-42页 |
| 5 实验评估 | 第42-48页 |
| 5.1 数据集 | 第42页 |
| 5.2 评估方法 | 第42-43页 |
| 5.3 评价标准：点击率、覆盖率和精确率 | 第43-44页 |
| 5.4 结果评估 | 第44-48页 |
| 5.4.1 关联规则算法与Web访问模式挖掘算法的预测结果比较 | 第44-45页 |
| 5.4.2 阈值、类群数的影响程度 | 第45-46页 |
| 5.4.3 拓展的Web访问模式挖掘算法的实验 | 第46-48页 |
| 6 结论 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间参与项目和发表的学术论文 | 第56页 |