校园网用户群体行为的研究与分析
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 引言 | 第14-17页 |
| ·课题的研究意义 | 第14页 |
| ·课题的研究背景 | 第14-15页 |
| ·论文的研究内容及体系结构 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·论文的体系结构 | 第16-17页 |
| 第二章 网络用户行为分析的相关研究 | 第17-28页 |
| ·网络用户及网络用户行为的内涵 | 第17-19页 |
| ·网络用户的概念及分类 | 第17-18页 |
| ·网络用户行为的概念及研究意义 | 第18-19页 |
| ·网络用户行为分析研究现状 | 第19-24页 |
| ·分析技术 | 第19-21页 |
| ·数据来源 | 第21-23页 |
| ·协议层次 | 第23-24页 |
| ·数据挖掘在行为分析上的优越性 | 第24-26页 |
| ·本文工作的特点 | 第26-28页 |
| 第三章 用户群体行为分析的准备工作及分析方法 | 第28-45页 |
| ·分析工作概述 | 第28-29页 |
| ·分析的目标和内容 | 第28-29页 |
| ·分析的步骤 | 第29页 |
| ·数据采集 | 第29-36页 |
| ·数据采集的对象 | 第29-30页 |
| ·数据流采集方法 | 第30-31页 |
| ·本文的工作及关键技术介绍 | 第31-36页 |
| ·数据预处理 | 第36-38页 |
| ·数据预处理的重要性 | 第37页 |
| ·数据预处理方法 | 第37-38页 |
| ·数据选取 | 第38-39页 |
| ·数据选取的目的 | 第38-39页 |
| ·数据选取工作 | 第39页 |
| ·分析内容和分析方法 | 第39-44页 |
| ·用户群体的分类及标识 | 第39-40页 |
| ·分析内容及相应的数据选取 | 第40-42页 |
| ·群体行为的分析方法 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于地址属性的数据挖掘方法的研究 | 第45-62页 |
| ·问题的提出 | 第45页 |
| ·聚类分析 | 第45-51页 |
| ·聚类分析概述 | 第45-47页 |
| ·数据类型与数据结构 | 第47-49页 |
| ·通用的分析方法 | 第49-50页 |
| ·在地址属性上应用的必要性 | 第50-51页 |
| ·在地址属性上使用聚类分析的研究 | 第51-55页 |
| ·K-Means和K-Medoids算法 | 第52页 |
| ·最近邻近算法 | 第52-54页 |
| ·基于密度的算法 | 第54页 |
| ·进化算法 | 第54页 |
| ·最长前缀匹配 | 第54-55页 |
| ·基于地址属性的逐步优化层次聚类算法 | 第55-61页 |
| ·算法的基本思想 | 第55-56页 |
| ·算法实现 | 第56-59页 |
| ·算法的应用及实验结果 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 校园网用户群体行为分析方法的应用 | 第62-75页 |
| ·使用时间的宏观分析 | 第62-65页 |
| ·各种典型服务的使用时间变化趋势及对比分析 | 第65-67页 |
| ·各种典型服务的使用比例分析 | 第67-68页 |
| ·各种典型服务的使用流量比例、变化趋势及对比分析 | 第68-71页 |
| ·访问地址偏好分析 | 第71-75页 |
| 第六章 回顾与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·下一步工作及展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 硕士在读期间发表论文 | 第82-83页 |
| 附录 | 第83-85页 |
