| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-19页 |
| 1.1 研究背景和研究目标 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究目标和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 Hadoop分布式研究现状 | 第10-11页 |
| 1.2.2 Web日志聚类研究现状 | 第11-15页 |
| 1.3 研究内容和组织结构 | 第15-19页 |
| 2 Hadoop分布式平台和Web日志聚类技术研究 | 第19-31页 |
| 2.1 Hadoop分布式系统研究 | 第19-22页 |
| 2.1.1 HDFS | 第19-20页 |
| 2.1.2 MapReduce | 第20-22页 |
| 2.1.3 HBase | 第22页 |
| 2.2 Web日志聚类技术研究 | 第22-30页 |
| 2.2.1 Web日志预处理 | 第23-25页 |
| 2.2.2 PSO-KMeans算法 | 第25-29页 |
| 2.2.3 FCM算法 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 PSO-KMeans算法和FCM算法优化 | 第31-46页 |
| 3.1 PSO-KMeans算法优化 | 第31-34页 |
| 3.1.1 模拟退火机制和轮盘赌策略 | 第31-32页 |
| 3.1.2 基于模拟退火机制和轮盘赌策略的PSO-KMeans算法 | 第32-34页 |
| 3.2 FCM算法优化 | 第34-44页 |
| 3.2.1 基于BAS改进FCM算法 | 第34-41页 |
| 3.2.2 基于布谷鸟算法优化FCM算法 | 第41-44页 |
| 3.3 算法选择 | 第44页 |
| 3.4 本章小结 | 第44-46页 |
| 4 基于Hadoop的Web日志聚类系统研究与实现 | 第46-57页 |
| 4.1 基于Hadoop的Web日志预处理模块设计与实现 | 第47-51页 |
| 4.1.1 日志清洗 | 第47-48页 |
| 4.1.2 初次用户识别 | 第48-49页 |
| 4.1.3 会话识别 | 第49-50页 |
| 4.1.4 最终用户识别 | 第50-51页 |
| 4.2 基于Hadoop的Web日志聚类实现 | 第51-55页 |
| 4.2.1 Web日志建模 | 第51-52页 |
| 4.2.2 基于Hadoop的PSO-KMeans算法在Web日志聚类中的应用 | 第52-53页 |
| 4.2.3 基于Hadoop的BAS-FCM算法在Web日志聚类中的应用 | 第53-55页 |
| 4.3 基于MapReduce的HBase数据库存储聚类结果 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 5 实验及数据分析 | 第57-68页 |
| 5.1 环境搭建 | 第57-58页 |
| 5.1.1 硬件环境 | 第57页 |
| 5.1.2 软件环境 | 第57页 |
| 5.1.3 系统设计 | 第57-58页 |
| 5.2 实验分析 | 第58-67页 |
| 5.2.1 算法准确率和稳定性实验 | 第58-60页 |
| 5.2.2 算法效率实验 | 第60-64页 |
| 5.2.3 基于Hadoop的Web日志聚类结果 | 第64-66页 |
| 5.2.4 结果分析 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
