| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 课题背景 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 论文组织结构 | 第9-10页 |
| 第二章 数据挖掘概述 | 第10-20页 |
| 2.1 数据挖掘的必要性 | 第10页 |
| 2.2 数据挖掘定义 | 第10-11页 |
| 2.3 数据挖掘的分析方法 | 第11-14页 |
| 2.3.1 神经网络 | 第11-12页 |
| 2.3.2 聚类分析 | 第12-13页 |
| 2.3.3 决策树 | 第13页 |
| 2.3.4 遗传算法 | 第13-14页 |
| 2.3.5 支持向量机 | 第14页 |
| 2.3.6 模糊集和粗糙集 | 第14页 |
| 2.4 数据挖掘的对象 | 第14-16页 |
| 2.5 基于Web的数据挖掘 | 第16-19页 |
| 2.5.1 Web数据挖掘的模型 | 第16页 |
| 2.5.2 Web数据挖掘的分类 | 第16-18页 |
| 2.5.3 Web数据挖掘的应用 | 第18-19页 |
| 2.6 Web日志的数据挖掘 | 第19-20页 |
| 第三章 聚类分析 | 第20-27页 |
| 3.1 聚类概念 | 第20页 |
| 3.2 聚类的数学模型 | 第20-21页 |
| 3.3 常见的聚类算法 | 第21-22页 |
| 3.4 聚类方法的分类 | 第22-24页 |
| 3.5 聚类的有效性衡量 | 第24-25页 |
| 3.6 聚类的比较 | 第25页 |
| 3.7 数据挖掘对聚类的要求 | 第25-27页 |
| 第四章 Web日志挖掘 | 第27-39页 |
| 4.1 Web日志 | 第27-28页 |
| 4.2 Web日志挖掘中的数据抽象 | 第28页 |
| 4.3 Web日志挖掘的通用模型 | 第28-29页 |
| 4.4 日志的预处理 | 第29-34页 |
| 4.4.1 Web日志中的数据清洗 | 第29-31页 |
| 4.4.2 Web日志中的噪声数据的处理 | 第31-32页 |
| 4.4.3 用户识别 | 第32-33页 |
| 4.4.4 会话识别 | 第33-34页 |
| 4.5 日志的聚类 | 第34-37页 |
| 4.5.1 日志聚类的分类 | 第34-35页 |
| 4.5.2 会话以及会话矩阵的表示 | 第35-36页 |
| 4.5.3 会话的相似度的定义 | 第36-37页 |
| 4.6 日志聚类特殊要求 | 第37-39页 |
| 第五章 Web日志挖掘模型LogDiscover | 第39-50页 |
| 5.1 Web日志挖掘模型LogDiscover的体系结构 | 第39-41页 |
| 5.2 Web日志挖掘模型的具体的实现 | 第41-45页 |
| 5.2.1 日志的预处理 | 第41-43页 |
| 5.2.2 网页的聚类 | 第43页 |
| 5.2.3 聚类分析的算法 | 第43-44页 |
| 5.2.4 网页的推荐 | 第44-45页 |
| 5.3 Web日志挖掘模型的试验结果 | 第45-50页 |
| 第六章 论文总结 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 在校期间发表的论文 | 第57-58页 |
| 学位论文评阅及答辩情况表 | 第58页 |