基于Web日志挖掘的网络用户聚类研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·Web日志挖掘国外研究现状 | 第10-11页 |
| ·Web日志挖掘国内研究现状 | 第11-12页 |
| ·本论文的主要工作 | 第12页 |
| ·全文的组织结构 | 第12-14页 |
| 第二章 WEB日志挖掘 | 第14-21页 |
| ·数据挖掘综述 | 第14-15页 |
| ·Web数据挖掘 | 第15-18页 |
| ·Web数据挖掘的特点 | 第15-16页 |
| ·Web数据挖掘的对象 | 第16页 |
| ·Web数据挖掘的分类 | 第16-18页 |
| ·Web日志挖掘 | 第18-20页 |
| ·Web日志挖掘的一般过程 | 第18-19页 |
| ·Web日志挖掘的应用 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 聚类分析 | 第21-29页 |
| ·聚类分析概述 | 第21页 |
| ·聚类分析的要求 | 第21-23页 |
| ·聚类分析方法分类 | 第23-27页 |
| ·基于划分的方法 | 第23-24页 |
| ·基于层次的方法 | 第24-25页 |
| ·基于密度的方法 | 第25-26页 |
| ·基于网格的聚类 | 第26-27页 |
| ·基于智能优化的方法 | 第27页 |
| ·其他算法 | 第27页 |
| ·聚类技术主要应用 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于WEB日志挖掘的用户聚类 | 第29-41页 |
| ·数据预处理 | 第29-32页 |
| ·数据清洗 | 第30页 |
| ·用户识别 | 第30-31页 |
| ·会话识别 | 第31-32页 |
| ·路径补充 | 第32页 |
| ·事务识别 | 第32页 |
| ·用户访问模式 | 第32-33页 |
| ·基于混沌蚂蚁群算法的聚类方法(CAS-C) | 第33-39页 |
| ·混沌蚁群优化算法[43]介绍 | 第33-35页 |
| ·聚类问题的优化模型 | 第35-36页 |
| ·CAS-C算法原理 | 第36-38页 |
| ·CAS-C算法与k-means算法聚类效果比较 | 第38-39页 |
| ·聚类结果分析 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第五章 实验过程与结果分析 | 第41-51页 |
| ·实验数据收集 | 第41-42页 |
| ·数据预处理过程 | 第42-45页 |
| ·用户访问模式矩阵的建立 | 第45-46页 |
| ·聚类算法实验 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 工作小结与展望 | 第51-53页 |
| ·研究工作小结 | 第51-52页 |
| ·研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |
