蚁群算法研究及其在Web挖掘聚类上的应用
| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·引言 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文研究目标和研究意义 | 第12-13页 |
| ·本文内容安排 | 第13-14页 |
| 第二章 数据挖掘与Web挖掘基础理论研究 | 第14-20页 |
| ·数据挖掘综述 | 第14-15页 |
| ·Web挖掘概述 | 第15-16页 |
| ·Web挖掘分类 | 第16-20页 |
| ·Web内容挖掘 | 第17-18页 |
| ·Web使用挖掘 | 第18-19页 |
| ·Web结构挖掘 | 第19-20页 |
| 第三章 聚类分析概述 | 第20-33页 |
| ·聚类概念及相关定义 | 第20-26页 |
| ·特征变量类型 | 第21-22页 |
| ·相似性度量 | 第22-26页 |
| ·聚类的流程 | 第26-27页 |
| ·聚类分析算法研究 | 第27-33页 |
| ·聚类算法的分类 | 第29-32页 |
| ·各种聚类算法分析比较 | 第32-33页 |
| 第四章 蚁群聚类算法研究及其改进 | 第33-58页 |
| ·基本蚁群算法原理 | 第33-36页 |
| ·基本蚁群算法 | 第34页 |
| ·基本蚁群算法实现 | 第34-36页 |
| ·蚁群聚类算法 | 第36-45页 |
| ·蚁群聚类算法基本模型 | 第37-38页 |
| ·LF算法介绍及其分析研究 | 第38-42页 |
| ·LF算法缺点以及改进 | 第42-45页 |
| ·改进的蚁群聚类算法 | 第45-53页 |
| ·重新构造蚂蚁 | 第46页 |
| ·定义蚂蚁种群相似度 | 第46-47页 |
| ·重新定义蚂蚁的行为 | 第47-48页 |
| ·参数的自适应调整 | 第48-50页 |
| ·算法流程 | 第50-53页 |
| ·仿真实验 | 第53-58页 |
| ·仿真实验环境 | 第53页 |
| ·仿真实验 | 第53-54页 |
| ·算法运行效果图 | 第54-56页 |
| ·两种算法性能比较 | 第56-58页 |
| 第五章 Web挖掘聚类系统的设计和实现 | 第58-63页 |
| ·Web聚类 | 第58-59页 |
| ·数据清理 | 第58-59页 |
| ·特征提取 | 第59页 |
| ·Web挖掘聚类系统实现 | 第59-63页 |
| ·系统简介 | 第59-60页 |
| ·系统模块设计框图 | 第60页 |
| ·系统界面图 | 第60-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·论文工作总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 附录 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
