| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 聚类分析研究现状 | 第10页 |
| 1.2.2 Web 日志挖掘技术研究现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文组织 | 第12-13页 |
| 第二章 聚类分析相关理论及算法介绍 | 第13-23页 |
| 2.1 聚类分析基础知识 | 第13-17页 |
| 2.1.1 聚类分析的定义 | 第13-14页 |
| 2.1.2 聚类分析的数据结构及数据对象间的相异度 | 第14-16页 |
| 2.1.3 数据挖掘对聚类分析的基本要求 | 第16-17页 |
| 2.2 聚类分析技术的应用 | 第17页 |
| 2.3 主要聚类算法介绍 | 第17-22页 |
| 2.3.1 划分的方法 | 第17-18页 |
| 2.3.2 层次聚类方法 | 第18-20页 |
| 2.3.3 基于密度的方法 | 第20页 |
| 2.3.4 基于网格的方法 | 第20-21页 |
| 2.3.5 基于模型的方法 | 第21-22页 |
| 2.3.6 各聚类方法的比较 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 模糊聚类算法及其改进 | 第23-37页 |
| 3.1 模糊聚类研究现状 | 第23-25页 |
| 3.2 模糊C-均值算法概述 | 第25-29页 |
| 3.2.1 HCM 算法 | 第25-26页 |
| 3.2.2 FCM 算法 | 第26-29页 |
| 3.3 对模糊C-均值算法的改进 | 第29-36页 |
| 3.3.1 初始聚类中心的选择 | 第29-32页 |
| 3.3.2 聚类数目c 的选择 | 第32-34页 |
| 3.3.3 实验分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 Web 日志挖掘 | 第37-46页 |
| 4.1 Web 挖掘基础知识 | 第37-39页 |
| 4.1.1 Web 挖掘产生的背景及其特点介绍 | 第37-38页 |
| 4.1.2 Web 挖掘的分类 | 第38-39页 |
| 4.2 Web 日志挖掘基础知识 | 第39-40页 |
| 4.2.1 Web 日志挖掘的应用 | 第39页 |
| 4.2.2 Web 日志挖掘过程 | 第39-40页 |
| 4.3 Web 日志挖掘的数据预处理技术 | 第40-45页 |
| 4.3.1 Web 日志介绍 | 第40-42页 |
| 4.3.2 Web 日志挖掘的数据源 | 第42页 |
| 4.3.3 数据预处理技术和过程 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 仿真实验与结果分析 | 第46-54页 |
| 5.1 仿真实验步骤 | 第46-50页 |
| 5.1.1 数据的预处理 | 第46-47页 |
| 5.1.2 用户聚类的实现 | 第47-49页 |
| 5.1.3 页面聚类的实现 | 第49-50页 |
| 5.2 仿真实验结果分析 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 论文工作总结 | 第54页 |
| 6.2 未来工作方向 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |