蚁群聚类算法在WEB使用挖掘中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9-11页 |
| ·Web使用挖掘中聚类算法的研究现状 | 第10-11页 |
| ·蚁群聚类算法的研究现状 | 第11页 |
| ·本文工作 | 第11-12页 |
| ·研究内容 | 第11-12页 |
| ·本文贡献 | 第12页 |
| ·本文结构 | 第12-13页 |
| 第2章 Web使用挖掘概述 | 第13-20页 |
| ·数据预处理 | 第13-14页 |
| ·模式发现 | 第14-16页 |
| ·模式分析 | 第16-17页 |
| ·模式应用 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 蚁群聚类算法概述 | 第20-29页 |
| ·基于蚂蚁觅食原理的聚类算法 | 第21-22页 |
| ·算法基本思想 | 第21-22页 |
| ·算法分析 | 第22页 |
| ·基于蚂蚁自我聚集行为的聚类算法 | 第22-23页 |
| ·算法基本思想 | 第22-23页 |
| ·算法分析 | 第23页 |
| ·基于蚂蚁化学识别系统的聚类算法 | 第23-24页 |
| ·算法基本思想 | 第23-24页 |
| ·算法分析 | 第24页 |
| ·基于蚁堆形成原理的聚类算法 | 第24-28页 |
| ·蚁堆聚类算法的基本原型 | 第25页 |
| ·蚁堆聚类基本模型的改进——LF算法 | 第25-26页 |
| ·蚁堆聚类算法的其他改进 | 第26-28页 |
| ·蚁堆聚类算法分析 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第4章 一种基于方向相似性的蚁群聚类算法 | 第29-37页 |
| ·基于蚁群聚类算法的改进 | 第29-32页 |
| ·数据的方向性度量 | 第29-31页 |
| ·概率转换函数的选择 | 第31页 |
| ·两个反应阈值决定人工蚂蚁的聚类动作 | 第31-32页 |
| ·算法的描述 | 第32-33页 |
| ·实验分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 基于蚁群算法的增量式web用户聚类 | 第37-44页 |
| ·用户表示 | 第37-40页 |
| ·导入数据库 | 第38页 |
| ·数据清洗 | 第38-40页 |
| ·用户识别 | 第40页 |
| ·基于蚁群算法的增量式web用户聚类 | 第40-41页 |
| ·实验分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第6章 总结与展望 | 第44-45页 |
| ·全文总结 | 第44页 |
| ·进一步工作展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录1 表索引 | 第49-50页 |
| 附录2 图索引 | 第50-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间发表的学术论文 | 第52页 |
