基于Web日志挖掘的聚类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·论文的研究背景与意义 | 第9-10页 |
| ·国内外研究动态 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·论文的主要内容与组织结构 | 第13-15页 |
| ·论文主要内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第2章 数据挖掘与Web日志挖掘 | 第15-23页 |
| ·数据挖掘 | 第15页 |
| ·Web挖掘技术 | 第15-18页 |
| ·Web挖掘的概念 | 第15-16页 |
| ·Web挖掘的分类 | 第16-18页 |
| ·Web日志介绍 | 第18-20页 |
| ·日志数据源 | 第18-19页 |
| ·Web日志数据格式 | 第19-20页 |
| ·Web日志挖掘 | 第20-22页 |
| ·Web日志挖掘定义 | 第20页 |
| ·Web日志挖掘过程 | 第20-21页 |
| ·Web日志挖掘的重难点 | 第21-22页 |
| ·Web日志挖掘的应用与前景 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 Web日志预处理 | 第23-34页 |
| ·Web日志预处理技术 | 第23-29页 |
| ·数据清洗 | 第24-26页 |
| ·用户识别 | 第26-27页 |
| ·会话识别 | 第27-28页 |
| ·路径补充 | 第28-29页 |
| ·事务识别 | 第29页 |
| ·一种新的日志预处理方法 | 第29-33页 |
| ·算法思想分析 | 第30-31页 |
| ·实验及其结果分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 Web事务聚类研究 | 第34-53页 |
| ·聚类分析相关知识 | 第34-40页 |
| ·聚类的定义 | 第35页 |
| ·聚类的数据类型 | 第35-36页 |
| ·聚类分析的分类 | 第36-39页 |
| ·日志聚类分析的要求 | 第39-40页 |
| ·日志聚类数据表示 | 第40-43页 |
| ·事务向量 | 第40页 |
| ·用户访问矩阵 | 第40-41页 |
| ·相似度的定义 | 第41-43页 |
| ·改进的K-means聚类算法 | 第43-52页 |
| ·K-means算法描述 | 第43-44页 |
| ·改进的用户事务聚类 | 第44-45页 |
| ·初始点选择策略 | 第45-47页 |
| ·权值计算 | 第47-48页 |
| ·实验结果分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| ·本文的工作总结 | 第53-54页 |
| ·今后的研究方向 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录A 图目录 | 第59-60页 |
| 附录B 表目录 | 第60-61页 |
| Appendix A:Figure Index | 第61-62页 |
| Appendix B:Table Index | 第62-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |
