| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·Web 用户会话聚类研究现状 | 第12页 |
| ·ACO 研究现状 | 第12-14页 |
| ·PSO 研究现状 | 第14-15页 |
| ·本文的研究内容和文章结构 | 第15-16页 |
| 第二章 WEB 用户会话聚类概述 | 第16-25页 |
| ·WEB 数据挖掘 | 第16-18页 |
| ·Web 数据挖掘概念 | 第16页 |
| ·Web 数据挖掘过程 | 第16-17页 |
| ·Web 数据挖掘分类 | 第17-18页 |
| ·WEB 用户会话聚类研究 | 第18-24页 |
| ·Web 用户会话聚类数据 | 第19页 |
| ·Web 用户会话聚类过程 | 第19-23页 |
| ·Web 用户会话聚类应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 聚类分析概述 | 第25-31页 |
| ·常用数据结构和相似性度量方法 | 第25-28页 |
| ·聚类算法 | 第28-29页 |
| ·聚类算法比较 | 第29-30页 |
| ·聚类面临的挑战 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于蚁群和粒子群相结合的混合聚类算法 | 第31-49页 |
| ·蚁群算法概述 | 第31-36页 |
| ·基本蚁群算法的起源 | 第31页 |
| ·蚁群算法的基本原理 | 第31-33页 |
| ·基本蚁群算法的特点 | 第33页 |
| ·蚁群算法的发展 | 第33-34页 |
| ·蚁群聚类算法 | 第34-36页 |
| ·粒子群算法概述 | 第36-38页 |
| ·粒子群群算法的起源 | 第36页 |
| ·粒子群算法的基本模型 | 第36-37页 |
| ·粒子群算法的参数调整 | 第37-38页 |
| ·粒子群算法的改进 | 第38页 |
| ·蚁群和粒子群融合的聚类算法 | 第38-45页 |
| ·混合算法的设计思想 | 第38-39页 |
| ·混合算法的聚类原理 | 第39-40页 |
| ·蚂蚁行为的重新定义 | 第40-42页 |
| ·解串的构造 | 第42页 |
| ·ACPSO 算法流程 | 第42-44页 |
| ·ACPSO 算法的特点 | 第44-45页 |
| ·ACPSO 聚类算法的仿真实验和结果分析 | 第45-48页 |
| ·实验一：粒子群局部搜索的有效性实验 | 第45-46页 |
| ·实验二：保留蚁群算法聚类信息的必要性实验 | 第46-47页 |
| ·实验三：IRIS 数据集和 WINE 数据集的聚类实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 混合算法在 WEB 用户会话聚类中的应用 | 第49-53页 |
| ·数据预处理 | 第49-51页 |
| ·Web 日志预处理 | 第49-50页 |
| ·会话识别 | 第50-51页 |
| ·会话聚类实验及结果评价 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·本文工作总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文 | 第58-59页 |