| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 专用术语注释表 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·课题的研究背景 | 第9-10页 |
| ·课题的研究现状 | 第10页 |
| ·本文的研究内容与组织结构 | 第10-12页 |
| 第二章 相关背景知识介绍 | 第12-17页 |
| ·数据挖掘与 Web 挖掘 | 第12-14页 |
| ·DNS 访问记录挖掘 | 第14-17页 |
| 第三章 基于关联规则挖掘的用户模式发现 | 第17-29页 |
| ·关联规则挖掘 | 第17-18页 |
| ·基于频繁项集修剪与扫描优化的 Apriori 算法的改进 | 第18-23页 |
| ·Apriori 算法 | 第18-19页 |
| ·Apriori 算法的改进 | 第19-23页 |
| ·基于挖掘结果的用户分析 | 第23-24页 |
| ·用户行为模式 | 第24-29页 |
| ·行为模式的要素 | 第24-25页 |
| ·域名分类技术 | 第25-29页 |
| 第四章 基于用户行为模式的用户群划分方法 | 第29-44页 |
| ·用户聚类 | 第29-30页 |
| ·K-Means 算法与改进方法介绍 | 第30-35页 |
| ·K-Means 算法 | 第30-32页 |
| ·K-Means 算法的改进 | 第32-35页 |
| ·决策树分类技术与过度拟合问题 | 第35-39页 |
| ·决策树分类技术 | 第35-36页 |
| ·过度拟合问题 | 第36-39页 |
| ·基于样本选择与 PEP 剪枝改进的决策树优化方法 | 第39-44页 |
| ·选择有代表性的样本 | 第39-40页 |
| ·PEP 剪枝算法的改进 | 第40-42页 |
| ·改进效果分析 | 第42-44页 |
| 第五章 实验与结果分析 | 第44-50页 |
| ·实验环境 | 第44页 |
| ·实验设计 | 第44-48页 |
| ·数据采集 | 第45页 |
| ·数据预处理 | 第45-47页 |
| ·用户群划分 | 第47-48页 |
| ·结果分析 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第56-57页 |
| 致谢 | 第57页 |