首页> 中文学位 >蚁群聚类算法在WEB使用挖掘中的应用研究
【6h】

蚁群聚类算法在WEB使用挖掘中的应用研究

代理获取

目录

文摘

英文文摘

第1章绪论

1.1研究背景

1.1.1 Web使用挖掘中聚类算法的研究现状

1.1.2蚁群聚类算法的研究现状

1.2本文工作

1.2.1研究内容

1.2.2本文贡献

1.3本文结构

第2章Web使用挖掘概述

2.1数据预处理

2.2模式发现

2.3模式分析

2.4模式应用

2.5本章小结

第3章蚁群聚类算法概述

3.1基于蚂蚁觅食原理的聚类算法

3.1.1算法基本思想

3.1.2算法分析

3.2基于蚂蚁自我聚集行为的聚类算法

3.2.1算法基本思想

3.2.2算法分析

3.3基于蚂蚁化学识别系统的聚类算法

3.3.1算法基本思想

3.3.2算法分析

3.4基于蚁堆形成原理的聚类算法

3.4.1蚁堆聚类算法的基本原型

3.4.2蚁堆聚类基本模型的改进——LF算法

3.4.3蚁堆聚类算法的其他改进

3.4.4蚁堆聚类算法分析

3.5本章小结

第4章一种基于方向相似性的蚁群聚类算法

4.1基于蚁群聚类算法的改进

4.1.1数据的方向性度量

4.1.2概率转换函数的选择

4.1.3两个反应阈值决定人工蚂蚁的聚类动作

4.2算法的描述

4.3实验分析

4.4本章小结

第5章基于蚁群算法的增量式Web用户聚类

5.1用户表示

5.1.1导入数据库

5.1.2数据清洗

5.1.3用户识别

5.2基于蚁群算法的增量式Web用户聚类

5.3实验分析

5.4本章小结

第6章总结与展望

6.1全文总结

6.2进一步工作展望

参考文献

附录

致谢

攻读学位期间发表的学术论文

展开▼

摘要

随着Internet在全球范围的迅速普及和应用,Web信息量正以惊人的速度增长。如何快速、有效地发现有用的信息资源已成为急待解决的问题。Web挖掘作为一种以从Web的海量信息中挖掘有用知识为目标的技术,从一出现就受到了广泛的关注。 Web使用挖掘是Web挖掘的三个主要分支之一。其以Web的使用数据为挖掘对象,期望挖掘出有兴趣的使用模式。Web使用挖掘已经成功应用于个性化服务、提高系统性能和商业智能等领域。 本文首先介绍了Web使用挖掘的框架:数据预处理、模式发现、模式分析和模式应用,详细地分析了目前应用于模式发现的各种方法及其存在问题。接下来介绍了基于群体智能的蚁群聚类算法的四种模型,并将最有优势的基于蚁堆聚类的蚁群算法引入Web使用挖掘。然后本文针对Web数据呈现的高纬、方向特性,将方向相似性度量与蚁群聚类算法相结合提出一种基于方向相似性的蚁群聚类算法。实验结果表明,改进后的蚁群聚类算法的聚类效果比经典的LF算法要好,特别地,在方向性数据的处理上,改进后的算法具有明显的优势。最后,将改进的算法应用于Web用户聚类,针对Web的动态性,引入了用户兴趣更新和簇解体机制,实现了增量式用户聚类。实验结果表明,该算法能动态有效地实现增量式用户聚类。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号