校园网用户行为的分析与研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·问题的提出 | 第8-10页 |
| ·网络用户行为分析的概念及分类 | 第8页 |
| ·网络用户行为分析的重要性 | 第8-9页 |
| ·数据挖掘技术的重要性 | 第9-10页 |
| ·把数据挖掘技术应用于网络用户行为分析的重要性 | 第10页 |
| ·研究现状 | 第10-14页 |
| ·网络用户行为分析的研究现状 | 第10-13页 |
| ·数据挖掘技术的研究现状 | 第13-14页 |
| ·课题的研究意义 | 第14-15页 |
| ·课题的主要工作和论文的组织情况 | 第15-17页 |
| ·课题的主要工作 | 第15页 |
| ·论文的组织情况 | 第15页 |
| ·课题的创新点 | 第15-17页 |
| 第2章 数据挖掘技术 | 第17-32页 |
| ·数据挖掘的概念 | 第17页 |
| ·数据挖掘的运行过程 | 第17-19页 |
| ·数据挖掘技术的发展趋势 | 第19-21页 |
| ·数据预处理 | 第21-23页 |
| ·数据清理 | 第21-22页 |
| ·数据集成和变换 | 第22页 |
| ·数据归约 | 第22-23页 |
| ·聚类的基本原理 | 第23-32页 |
| ·聚类的概念 | 第23-24页 |
| ·聚类分析的方法 | 第24-27页 |
| ·数据挖掘常用聚类算法比较分析 | 第27-32页 |
| 第3章 校园网用户行为分析系统的设计 | 第32-41页 |
| ·系统设计方案 | 第32-33页 |
| ·设计思路 | 第32页 |
| ·系统的结构模型 | 第32-33页 |
| ·数据的采集 | 第33-36页 |
| ·数据预处理 | 第36-38页 |
| ·数据清理 | 第36-37页 |
| ·数据的标准化 | 第37-38页 |
| ·聚类分析 | 第38-41页 |
| ·用K-means算法进行聚类分析 | 第38-39页 |
| ·基于序列模式的K-means算法 | 第39-41页 |
| 第4章 系统的具体实现 | 第41-52页 |
| ·数据预处理的实现 | 第41-46页 |
| ·K-means聚类的实现 | 第46-52页 |
| ·聚类的输入文件 | 第46-48页 |
| ·K-means算法的流程 | 第48页 |
| ·K-means算法的实现 | 第48-50页 |
| ·算法实现过程中的重要函数 | 第50-52页 |
| 第5章 实验结果与分析 | 第52-62页 |
| ·K-means用户行为聚类分析实验结果 | 第52-54页 |
| ·K-means聚类分析实验对比 | 第54-56页 |
| ·统计分析 | 第56-60页 |
| ·综合结论 | 第60-62页 |
| 第6章 总结和展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的论文 | 第67页 |
