| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·Web 挖掘研究的背景与意义 | 第9-10页 |
| ·Web 数据挖掘与聚类算法的研究现状 | 第10-13页 |
| ·Web 挖掘研究现状 | 第10-12页 |
| ·聚类分析的研究现状 | 第12页 |
| ·基于粒子群的聚类算法研究现状 | 第12-13页 |
| ·本文主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 Web 日志挖掘中用户聚类算法研究 | 第16-31页 |
| ·基于聚类的 Web 日志挖掘 | 第16-18页 |
| ·几种聚类算法比较 | 第18-23页 |
| ·划分聚类 | 第19-21页 |
| ·基于模型的聚类 | 第21页 |
| ·基于群智能的聚类算法 | 第21-22页 |
| ·算法的比较和分析 | 第22-23页 |
| ·基于粒子群优化算法的聚类分析 | 第23-28页 |
| ·标准粒子群优化算法 | 第23-25页 |
| ·基于粒子群优化的聚类算法 | 第25-26页 |
| ·PSO 和 K-means 结合的混合聚类算法 | 第26-28页 |
| ·问题提出 | 第28-29页 |
| ·算法改进策略 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 用户兴趣挖掘算法的改进 | 第31-47页 |
| ·基于用户聚类的 PSO-KM 算法的改进 | 第31-40页 |
| ·算法改进思想 | 第31-33页 |
| ·算法改进操作方案 | 第33-36页 |
| ·改进算法描述 | 第36-40页 |
| ·聚类评价指标 | 第40页 |
| ·算法仿真实验与分析 | 第40-46页 |
| ·仿真实验一 | 第41-43页 |
| ·仿真实验二 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 改进的算法在用户访问兴趣挖掘中的应用 | 第47-62页 |
| ·Web 日志挖掘过程 | 第47-52页 |
| ·日志挖掘步骤 | 第47-48页 |
| ·日志预处理一般过程 | 第48-50页 |
| ·Web 日志来源 | 第50-51页 |
| ·Web 日志格式分析 | 第51-52页 |
| ·启发式分层挖掘方案 | 第52-54页 |
| ·数据准备及预处理 | 第54-57页 |
| ·数据预处理 | 第54-55页 |
| ·特征选取及规范化 | 第55-57页 |
| ·改进的 PSO-KM 算法应用于 Web 日志实验 | 第57-60页 |
| ·聚类个数的估计 | 第57-58页 |
| ·改进的聚类算法运行结果 | 第58-60页 |
| ·用户兴趣挖掘结果分析 | 第60页 |
| ·本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |