| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.2.1 校园网络用户行为研究现状 | 第10-11页 |
| 1.2.2 校园网络用户行为分析方法研究现状 | 第11-12页 |
| 1.3 论文主要工作及创新 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 聚类算法研究 | 第15-26页 |
| 2.1 聚类算法基础理论 | 第15-21页 |
| 2.1.1 聚类算法描述 | 第15页 |
| 2.1.2 相似性度量 | 第15-17页 |
| 2.1.3 聚类算法有效性评价 | 第17-21页 |
| 2.2 常用聚类算法研究 | 第21-24页 |
| 2.2.1 基于划分的聚类算法 | 第21-22页 |
| 2.2.2 基于层次的聚类算法 | 第22-23页 |
| 2.2.3 基于密度的聚类算法 | 第23页 |
| 2.2.4 基于网格的聚类算法 | 第23-24页 |
| 2.2.5 基于模型的聚类算法 | 第24页 |
| 2.3 聚类算法分析总结 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 K-mediods算法及其改进 | 第26-34页 |
| 3.1 K-mediods聚类算法 | 第26-28页 |
| 3.1.1 K-mediods算法思想 | 第26页 |
| 3.1.2 K-mediods聚类算法步骤及流程 | 第26-27页 |
| 3.1.3 K-mediods聚类算法的优缺点 | 第27-28页 |
| 3.2 K-mediods算法改进 | 第28-32页 |
| 3.2.1 基于最远距离的初始中心选取 | 第29-31页 |
| 3.2.2 聚类中心迭代局部搜索策略 | 第31-32页 |
| 3.3 K-mediods改进算法时间复杂度分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 SOM算法及其改进 | 第34-44页 |
| 4.1 SOM算法 | 第34-38页 |
| 4.1.1 SOM算法模型 | 第34-35页 |
| 4.1.2 SOM模型训练步骤 | 第35-36页 |
| 4.1.3 SOM算法优缺点 | 第36-38页 |
| 4.2 SOM算法改进 | 第38-42页 |
| 4.2.1 输入层模型改进 | 第38-40页 |
| 4.2.2 训练停止条件改进 | 第40-41页 |
| 4.2.3 SOM改进算法步骤及流程图 | 第41-42页 |
| 4.3 SOM改进算法时间复杂度分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 算法仿真及其在校园网用户行为分析中的应用 | 第44-65页 |
| 5.1 校园网网络行为分析背景 | 第44-47页 |
| 5.1.1 校园网数据来源环境 | 第44页 |
| 5.1.2 Dr.com系统日志解析 | 第44-45页 |
| 5.1.3 数据内容及特点 | 第45-47页 |
| 5.2 校园网络系统日志数据预处理 | 第47-51页 |
| 5.2.1 数据清洗 | 第47-48页 |
| 5.2.2 数据特征提取 | 第48页 |
| 5.2.3 数据转换 | 第48-50页 |
| 5.2.4 建立数据仓库 | 第50-51页 |
| 5.3 算法仿真环境 | 第51页 |
| 5.4 K-mediods改进算法仿真 | 第51-53页 |
| 5.4.1 有效性分析 | 第51-52页 |
| 5.4.2 稳定性分析 | 第52-53页 |
| 5.5 SOM改进算法仿真 | 第53-54页 |
| 5.5.1 有效性分析 | 第53-54页 |
| 5.5.2 稳定性分析 | 第54页 |
| 5.6 K-mediods改进算法与SOM改进算法应用分析 | 第54-64页 |
| 5.6.1 K-mediods改进算法的应用 | 第54-60页 |
| 5.6.2 SOM改进算法的应用 | 第60-63页 |
| 5.6.3 改进算法的应用总结 | 第63-64页 |
| 5.7 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究工作总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 在学期间发表的论文和取得的学术成果 | 第72页 |