网络用户行为分类的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状及发展趋势 | 第11-13页 |
| 1.4 研究内容与框架 | 第13-14页 |
| 第2章 网络用户行为分析 | 第14-19页 |
| 2.1 我国互联网发展概况 | 第14-15页 |
| 2.2 网络用户行为概念及分类 | 第15-17页 |
| 2.2.1 网络用户行为概念及特点 | 第15-16页 |
| 2.2.2 网络用户行为分类 | 第16-17页 |
| 2.3 分析网络用户行为的重要性 | 第17-18页 |
| 2.4 小结 | 第18-19页 |
| 第3章 网络日志挖掘与聚类分析 | 第19-31页 |
| 3.1 数据挖掘与Web挖掘 | 第19-21页 |
| 3.2 网络日志挖掘 | 第21-24页 |
| 3.2.1 网络日志挖掘过程 | 第21-23页 |
| 3.2.2 网络日志挖掘技术 | 第23-24页 |
| 3.3 网络日志数据预处理 | 第24-26页 |
| 3.3.1 数据预处理方法 | 第25-26页 |
| 3.3.2 数据预处理流程 | 第26页 |
| 3.4 聚类分析方法 | 第26-30页 |
| 3.4.1 聚类准则 | 第26-28页 |
| 3.4.2 聚类算法 | 第28-30页 |
| 3.5 小结 | 第30-31页 |
| 第4章 数据准备与优化初始中心 | 第31-47页 |
| 4.1 数据准备 | 第31-34页 |
| 4.1.1 数据来源 | 第31-33页 |
| 4.1.2 数据预处理 | 第33-34页 |
| 4.2 K-means算法 | 第34-37页 |
| 4.2.1 时间复杂度 | 第35页 |
| 4.2.2 算法的改进 | 第35-37页 |
| 4.3 优化初始中心 | 第37-47页 |
| 4.3.1 K值的选取 | 第37-40页 |
| 4.3.2 改进初始聚类中心 | 第40-47页 |
| 第5章 用户行为模式分析 | 第47-55页 |
| 5.1 数据输入 | 第47-50页 |
| 5.2 结果分析 | 第50-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录 密度参数及类别划分 | 第60-78页 |
| 致谢 | 第78页 |
