文摘
英文文摘
声明
第一章 绪论
1.1选题背景与研究意义
1.2 Web数据挖掘研究现状
1.2.1 Web数据特点
1.2.2 Web数据挖掘分类
1.3结构安排及创新点
第二章 相关技术及理论介绍
2.1数据挖掘相关技术及理论介绍
2.1.1关联规则
2.1.2序列模式
2.1.3分类分析
2.1.4聚类分析
2.2群集智能的研究
2.2.1遗传算法
2.2.2蚁群算法
2.2.3粒子群算法
2.2.4粒子群与遗传算法比较
2.2.5群智能的特点和优点
2.3 Web访问模式挖掘的聚类相关理论
2.3.1聚类分析常用方法
2.3.2聚类算法的典型要求
2.3.3聚类算法的数据类型
2.3.4 K-均值算法
2.3.5 Web访问模式挖掘的聚类算法
第三章 基于粒子群改进的聚类算法
3.1粒子群算法的概念
3.1.1基本思想及背景
3.1.2算法描述
3.13参数选择
3.2粒子群相关理论发展
3.2.1粒子群参数的优化
3.2.2粒子群拓扑结构改进
3.2.3混合PSO
3.2.4离散PSO
3.3粒子群的应用方向
3.4粒子群的聚类算法
3.5粒子群与K-均值混合聚类算法
3.5.1粒子群与K-均值混合聚类算法研究现状
3.5.2观点验证
3.6基于搜索方向改进的RVPSO-K聚类算法
3.6.1问题提出
3.6.2 RVPSO-K聚类算法相关定义
3.6.3 RVPSO-K聚类算法基本流程
3.6.4算法参数选择
3.7实验
3.7.1实验一
3.7.2实验二
3.7.3实验三
3.7.4结论
第四章 RVPSO-K聚类算法在Web访问模式中的应用
4.1 Web访问模式挖掘研究及应用
4.2 Web访问模式挖掘的数据预处理
4.2.1日志数据
4.2.2数据清洗
4.2.3用户识别
4.2.4会话识别
4.2.5路径完善
4.2.6事务识别
4.3 Web访问模式挖掘聚类中的RVPSO-K算法实现
4.3.1 UserID-URL关联矩阵构建
4.3.2相似性度量
4.3.3 RVPSO-K的算法流程
4.3.4具体算法实现说明
4.4仿真实验
4.4.1仿真实验数据
4.4.2仿真实验结果
第五章 结束语
5.1工作总结
5.2存在的问题及展望
参考文献
发表论文和科研情况说明
致 谢