基于仿生类算法的Web日志挖掘技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-22页 |
| ·课题的背景及意义 | 第11-12页 |
| ·国内外相关领域的研究现状 | 第12-20页 |
| ·Web日志挖掘 | 第12-14页 |
| ·Web个性化 | 第14-16页 |
| ·Web自适应站点 | 第16-18页 |
| ·仿生类算法 | 第18-20页 |
| ·论文组织结构 | 第20-22页 |
| 第2章 智能站点及Web挖掘 | 第22-32页 |
| ·智能Web站点介绍 | 第22-23页 |
| ·Web服务器日志分析 | 第23-26页 |
| ·Web数据挖掘 | 第26-31页 |
| ·Web挖掘分类 | 第26-27页 |
| ·Web日志挖掘的基本过程及相关技术介绍 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于蚁群算法的Web日志挖掘应用 | 第32-53页 |
| ·蚁群算法 | 第32-36页 |
| ·蚁群算法简介 | 第32页 |
| ·蚁群算法的基本原理 | 第32-33页 |
| ·蚁群算法的数学模型及实现 | 第33-36页 |
| ·用户浏览行为与蚁群觅食行为的相似性 | 第36页 |
| ·基于蚁群的自适应站点算法 | 第36-42页 |
| ·算法的基本理论 | 第36-37页 |
| ·基于蚁群的自适应站点算法 | 第37-39页 |
| ·算法实验 | 第39-40页 |
| ·算法改进 | 第40-42页 |
| ·基于蚁群的Web用户聚类算法 | 第42-51页 |
| ·算法的基本原理 | 第43-46页 |
| ·Web用户事务模式聚类 | 第46-49页 |
| ·聚类实验分析 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 基于遗传算法的Web日志挖掘与用户聚类 | 第53-65页 |
| ·遗传算法简介 | 第53-54页 |
| ·遗传算法与聚类 | 第54-56页 |
| ·遗传聚类 | 第54-55页 |
| ·遗传聚类需要解决的主要问题 | 第55-56页 |
| ·遗传算法的聚类分析 | 第56-58页 |
| ·染色体构造 | 第56-57页 |
| ·聚类分析的数学模型及目标函数 | 第57页 |
| ·适应度函数的定义 | 第57-58页 |
| ·控制参数 | 第58页 |
| ·基于遗传算法的Web用户聚类 | 第58-64页 |
| ·Web站点拓扑分析和URL编码方案 | 第58-60页 |
| ·基于遗传算法的用户聚类技术 | 第60-61页 |
| ·遗传用户聚类算法 | 第61-62页 |
| ·遗传用户聚类实验分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 遗传与蚁群算法相融合Web日志挖掘算法 | 第65-73页 |
| ·基本原理和设计思想 | 第65-66页 |
| ·融合算法中遗传算法的定义 | 第66-67页 |
| ·适应度函数及遗传算子操作 | 第66-67页 |
| ·融合算法中遗传算法的整体描述 | 第67页 |
| ·融合算法中蚁群聚类算法的使用 | 第67-68页 |
| ·蚁群算法的基本思想 | 第67-68页 |
| ·蚂蚁圈模型 | 第68页 |
| ·融合算法中蚁群算法的描述 | 第68页 |
| ·遗传蚁群算法的衔接 | 第68-69页 |
| ·融合算法描述 | 第69-70页 |
| ·仿真实验 | 第70-72页 |
| ·实验分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
