| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 Web使用挖掘研究现状 | 第10-12页 |
| 1.2.2 混合蛙跳算法研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文的组织和结构 | 第14-15页 |
| 第2章 相关理论概述 | 第15-33页 |
| 2.1 Web使用挖掘概述 | 第15-23页 |
| 2.1.1 Web数据挖掘 | 第15-16页 |
| 2.1.2 Web使用挖掘 | 第16-23页 |
| 2.2 聚类分析概述 | 第23-28页 |
| 2.3 混合蛙跳算法概述 | 第28-31页 |
| 2.3.1 混合蛙跳算法基本原理 | 第28-29页 |
| 2.3.2 混合蛙跳算法框架概述 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于混合蛙跳算法的Web用户聚类 | 第33-45页 |
| 3.1 概述 | 第33页 |
| 3.2 用户聚类特征表示 | 第33-34页 |
| 3.3 用户相似度的计算 | 第34-36页 |
| 3.4 混合蛙跳算法的改进(ISFLA) | 第36-39页 |
| 3.4.1 蛙跳更新规则的改进 | 第37-39页 |
| 3.4.2 引入淘汰机制的种群更新策略 | 第39页 |
| 3.5 基于ISFLA的Web用户聚类 | 第39-44页 |
| 3.5.1 Web用户聚类的数学描述 | 第39-40页 |
| 3.5.2 ISFLA和K中心点的融合思想(ISFLA-K) | 第40-43页 |
| 3.5.3 基于ISFLA-K的Web用户聚类实现 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 实验 | 第45-55页 |
| 4.1 ISFLA算法有效性分析 | 第45-47页 |
| 4.2 ISFLA-K聚类算法有效性分析 | 第47-50页 |
| 4.2.1 实验数据集 | 第47页 |
| 4.2.2 评价指标 | 第47-50页 |
| 4.3 基于ISFLA-K的用户聚类 | 第50-54页 |
| 4.3.1 实验数据 | 第50页 |
| 4.3.2 数据预处理 | 第50-53页 |
| 4.3.3 实验结果 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 硕士期间发表的论文 | 第63页 |