| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-20页 |
| ·数据挖掘概述 | 第10-16页 |
| ·数据挖掘的产生背景 | 第10页 |
| ·数据挖掘的定义 | 第10-11页 |
| ·数据挖掘的任务 | 第11-12页 |
| ·数据挖掘的处理过程 | 第12页 |
| ·数据挖掘的主要技术 | 第12-13页 |
| ·数据挖掘的应用 | 第13-15页 |
| ·数据挖掘的研究现状和发展趋势 | 第15-16页 |
| ·聚类分析概述 | 第16页 |
| ·聚类分析的基本概念 | 第16页 |
| ·聚类分析的研究现状 | 第16页 |
| ·遗传算法概述 | 第16-18页 |
| ·遗传算法的基本思想 | 第16-17页 |
| ·遗传算法的研究现状 | 第17-18页 |
| ·课题研究的主要内容和文章的组织 | 第18-20页 |
| 第二章 聚类分析 | 第20-30页 |
| ·聚类的形式化描述 | 第20页 |
| ·聚类分析的应用 | 第20页 |
| ·数据挖掘对聚类算法的要求 | 第20-21页 |
| ·聚类算法的基本数据结构类型 | 第21-22页 |
| ·相似度度量方法 | 第22-23页 |
| ·距离公式 | 第22页 |
| ·相似系数 | 第22-23页 |
| ·聚类分析中的聚类准则函数 | 第23-25页 |
| ·主要聚类算法 | 第25-26页 |
| ·K-MEANS算法及其改进算法 | 第26-29页 |
| ·k-means算法描述 | 第26-28页 |
| ·基于k-means算法的改进聚类算法的描述 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于遗传算法的聚类分析 | 第30-39页 |
| ·遗传算法的特点 | 第30-31页 |
| ·遗传算法的组成结构 | 第31-32页 |
| ·遗传算法的基本过程 | 第32-33页 |
| ·用遗传算法进行聚类时要解决的问题 | 第33页 |
| ·基于遗传算法的K-MEANS聚类方法 | 第33-38页 |
| ·目标函数 | 第34-35页 |
| ·GKA算法步骤 | 第35-37页 |
| ·GKA算法的处理流程及伪代码 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 改进的遗传K-MEANS聚类算法 | 第39-49页 |
| ·目标函数 | 第39-40页 |
| ·初始化 | 第40页 |
| ·适应度函数 | 第40页 |
| ·选择 | 第40-41页 |
| ·变异 | 第41-42页 |
| ·K-MEANS操作 | 第42页 |
| ·增量式优化操作 | 第42-43页 |
| ·改进的GKA算法的处理流程及伪代码 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 实验结果与比较分析 | 第49-63页 |
| ·实验平台 | 第49页 |
| ·聚类分析系统 | 第49-51页 |
| ·系统的体系结构 | 第49-50页 |
| ·系统的可视化界面 | 第50-51页 |
| ·算法性能测试 | 第51-61页 |
| ·实验一 | 第52-53页 |
| ·实验二 | 第53-55页 |
| ·实验三 | 第55-57页 |
| ·实验四 | 第57-58页 |
| ·结果分析1 | 第58-59页 |
| ·实验五 | 第59-60页 |
| ·实验六 | 第60-61页 |
| ·结果分析2 | 第61页 |
| ·本章小结 | 第61-63页 |
| 第六章 基于遗传K-MEANS聚类算法的WEB日志挖掘 | 第63-67页 |
| ·WEB日志挖掘分析 | 第63页 |
| ·WEB日志挖掘系统 | 第63-66页 |
| ·Web日志挖掘系统的介绍 | 第63-64页 |
| ·数据采集 | 第64-65页 |
| ·数据预处理 | 第65页 |
| ·Web用户聚类的实现 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 结论与展望 | 第67-69页 |
| ·本文总结 | 第67页 |
| ·未来工作的展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 发表论文清单 | 第73页 |