| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容和目标 | 第12-13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第2章 相关研究 | 第16-24页 |
| 2.1 软件老化趋势预测方法 | 第16-17页 |
| 2.2 用户行为分析及预测方法 | 第17-21页 |
| 2.2.1 用户行为分析的提出 | 第17-18页 |
| 2.2.2 用户行为分析方法 | 第18-21页 |
| 2.2.3 用户行为预测 | 第21页 |
| 2.3 用户访问行为中噪声数据挖掘及处理方法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于用户行为Web应用软件老化损伤量预测过程 | 第24-34页 |
| 3.1 软件老化趋势预测过程 | 第26-29页 |
| 3.2 关键问题及其研究思路 | 第29-33页 |
| 3.2.1 用户行为频繁访问树构造方法 | 第29-30页 |
| 3.2.2 用户访问行为数据降噪方法 | 第30-31页 |
| 3.2.3 基于FUAP-Tree的用户行为预测方法 | 第31-32页 |
| 3.2.4 Web应用软件老化损伤量计算方法 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 用户频繁访问树的构造方法 | 第34-54页 |
| 4.1 用户访问行为的挖掘 | 第34-37页 |
| 4.2 FUAP-Tree的构造方法 | 第37-42页 |
| 4.2.1 用户频繁访问树的定义 | 第38-39页 |
| 4.2.2 基于页哈希表的FUAP-Tree构造方法 | 第39-42页 |
| 4.3 基于降噪技术的平均频繁访问时间计算方法 | 第42-50页 |
| 4.3.1 噪声数据的来源和影响 | 第42-44页 |
| 4.3.2 基于距离和的噪声数据发现(DSND)算法 | 第44-47页 |
| 4.3.3 面向属性的降噪与平均频繁访问时间计算方法 | 第47-50页 |
| 4.4 页面老化损伤量度量方法 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 用户行为与Web应用软件老化损伤量预测方法 | 第54-64页 |
| 5.1 用户行为预测方法 | 第54-61页 |
| 5.1.1 多匹配结果选取策略 | 第55-57页 |
| 5.1.2 基于FUAP-Tree的用户行为预测方法 | 第57-61页 |
| 5.2 Web应用软件老化损伤量预测方法 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 实验结果及分析 | 第64-74页 |
| 6.1 实验环境及数据 | 第64-65页 |
| 6.2 用户访问行为预测实验 | 第65-70页 |
| 6.3 Web应用软件老化损伤量预测实验 | 第70-73页 |
| 6.4 本章小结 | 第73-74页 |
| 第7章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |
