结合时间窗的用户访问兴趣聚类分析
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·Web用户访问兴趣的聚类技术发展状况 | 第8-11页 |
| ·基于访问兴趣聚类分析的研究分类 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·基于访问兴趣的聚类分析存在的问题 | 第10-11页 |
| ·本文的工作与组织结构 | 第11-13页 |
| 第二章 相关理论和技术 | 第13-19页 |
| ·数据挖掘的相关理论 | 第13-15页 |
| ·数据挖掘涉及的主要技术 | 第15-17页 |
| ·关联规则 | 第15-16页 |
| ·分类算法 | 第16页 |
| ·聚类分析 | 第16-17页 |
| ·Web挖掘简介 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 结合时间窗的用户访问兴趣模型的建立 | 第19-29页 |
| ·Web用户访问兴趣的线性回归模型 | 第19-22页 |
| ·Web访问日志数据预处理 | 第19-21页 |
| ·Web用户访问兴趣的线性回归模型 | 第21-22页 |
| ·结合时间窗的Web用户访问兴趣模型 | 第22-28页 |
| ·多用户页面访问兴趣模型 | 第22-23页 |
| ·多用户时间窗访问兴趣模型 | 第23-24页 |
| ·多用户多页面的时间窗访问兴趣模型 | 第24-27页 |
| ·结合时间窗的Web用户访问兴趣模型的计算 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 结合时间窗的用户访问兴趣聚类算法 | 第29-40页 |
| ·页面喜好协调时间窗的访问兴趣聚类算法 | 第29-34页 |
| ·基于页面喜好的初始簇形成算法 | 第29-30页 |
| ·簇集综合调整算法 | 第30-34页 |
| ·算法的复杂度分析 | 第34页 |
| ·时间窗协调页面喜好的访问兴趣聚类算法 | 第34-36页 |
| ·时间窗协调页面喜好聚类算法 | 第35页 |
| ·算法时间复杂度分析 | 第35-36页 |
| ·页面喜好结合时间窗的访问兴趣聚类算法 | 第36-39页 |
| ·初始点选择算法 | 第36-38页 |
| ·基于K-Means的聚类过程 | 第38页 |
| ·算法时间复杂度分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 实验分析及结果比较 | 第40-52页 |
| ·数据预处理实验 | 第40-42页 |
| ·数据预处理 | 第40-41页 |
| ·数据存储及数据库设计 | 第41-42页 |
| ·协调式聚类算法的实验 | 第42-49页 |
| ·聚类结果可视性及安德鲁曲线 | 第42-43页 |
| ·初始化阶段与综合调整阶段簇内的变化 | 第43-48页 |
| ·阀值与目标函数最终改善程度的关系 | 第48-49页 |
| ·结合式聚类算法的实验 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结和展望 | 第52-54页 |
| ·论文总结 | 第52-53页 |
| ·进一步的研究方向 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间主要的研究成果 | 第62页 |
