WEB日志过滤技术的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国外研究进展 | 第10-11页 |
| ·国内研究进展 | 第11页 |
| ·课题来源及本文主要研究内容 | 第11-13页 |
| 第2章 基于链接规则的日志过滤 | 第13-20页 |
| ·Web 日志简介 | 第13-14页 |
| ·Web 日志分析 | 第14-15页 |
| ·基于规则过滤的实现 | 第15-18页 |
| ·设计思想 | 第15-17页 |
| ·多模式匹配算法 | 第17页 |
| ·特殊情况处理 | 第17-18页 |
| ·基于规则的过滤方案的不足 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 基于网页结构信息的 KNN 分类 | 第20-35页 |
| ·KNN 分类简介 | 第20-22页 |
| ·KNN 分类思想 | 第20-21页 |
| ·KNN 分类的时间复杂度 | 第21-22页 |
| ·KNN 分类节点表示 | 第22-25页 |
| ·HTML 简介 | 第22页 |
| ·HTML 预处理 | 第22-24页 |
| ·HTML 的树形表示 | 第24-25页 |
| ·KNN 分类节点距离计算 | 第25-31页 |
| ·节点距离计算思想 | 第25页 |
| ·寻找最优儿子对应序列 | 第25-28页 |
| ·两节点相似度计算 | 第28-30页 |
| ·两棵树距离的计算 | 第30-31页 |
| ·结构信息KNN 分类系统设计 | 第31-34页 |
| ·基于网页结构的KNN 分类思想 | 第31-32页 |
| ·系统设计 | 第32-33页 |
| ·KNN 分类距离计算实验 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于网页正文信息的 SVM 分类 | 第35-49页 |
| ·支持向量机的理论基础 | 第35-38页 |
| ·统计学习理论概述 | 第35页 |
| ·期望风险和经验风险最小化 | 第35-36页 |
| ·复杂性与推广能力 | 第36页 |
| ·VC 维 | 第36页 |
| ·结构风险最小化 | 第36-38页 |
| ·支持向量机分类 | 第38-41页 |
| ·线性可分支持向量机 | 第38-40页 |
| ·线性不可分支持向量机 | 第40-41页 |
| ·非线性支持向量机 | 第41页 |
| ·支持向量机训练算法 | 第41-43页 |
| ·选块算法 | 第41-42页 |
| ·分解算法 | 第42页 |
| ·SMO 算法 | 第42-43页 |
| ·针对二值分类的特征选择 | 第43-45页 |
| ·特征选择概述 | 第43页 |
| ·x~2 统计 | 第43-44页 |
| ·改进后的x~2 统计 | 第44-45页 |
| ·基于内容的SVM 分类系统设计 | 第45-47页 |
| ·基于网页内容的SVM 分类思想 | 第45页 |
| ·系统设计 | 第45-46页 |
| ·SVM 分类实验 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第5章 基于内容的日志过滤 | 第49-54页 |
| ·基于内容的日志过滤思想 | 第49页 |
| ·KNN 和SVM 结果合并 | 第49-51页 |
| ·系统设计 | 第51-52页 |
| ·基于内容过滤实验 | 第52-53页 |
| ·实验方案 | 第52-53页 |
| ·实验结果 | 第53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其成果 | 第59-61页 |
| 致谢 | 第61页 |
