基于SOM神經(jīng)網(wǎng)絡(luò)和模糊聚類的Web日志增量挖掘研究.pdf

1、隨著信息爆炸時(shí)代的來臨,數(shù)據(jù)動(dòng)態(tài)更新的速度加快,網(wǎng)民面對(duì)海量的數(shù)據(jù)信息往往顯得無從下手,出現(xiàn)了所謂的“信息過載”現(xiàn)象。為了在大量的數(shù)據(jù)中提取出人們感興趣的知識(shí),一種根據(jù)用戶瀏覽Web站點(diǎn)時(shí)留下的一系列點(diǎn)擊動(dòng)作的記錄,推測(cè)用戶的需求和偏好,為用戶提供個(gè)性化推薦技術(shù)的研究就逐漸成為當(dāng)前一個(gè)重要的課題。
　　首先,本文綜合考慮了經(jīng)典的SOM神經(jīng)網(wǎng)絡(luò)和模糊聚類算法的特點(diǎn),提出了一種基于SOM神經(jīng)網(wǎng)絡(luò)和模糊聚類的挖掘算法。通過預(yù)設(shè)一個(gè)較大的

2、輸出神經(jīng)元個(gè)數(shù),利用SOM神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)集進(jìn)行粗聚類,得到粗聚類中心集。接著將粗聚類中心集作為模糊聚類算法的輸入?yún)?shù),對(duì)原始數(shù)據(jù)集進(jìn)行細(xì)聚類,并輸出聚類中心集。最后通過類合并算法判斷聚類是否需要合并,并輸出最后的聚類集合。由于改進(jìn)的算法采用了SOM粗聚類輸出的聚類中心作為模糊聚類算法的初始聚類中心,解決了模糊聚類算法的多個(gè)隨機(jī)初始聚類中心可能出現(xiàn)在同一個(gè)聚類中,導(dǎo)致最終聚類效果不理想的問題。算法中采用了類合并算法,使得模糊聚類算法并不需

3、要人為指定聚類的個(gè)數(shù),降低了模糊聚類算法對(duì)初始聚類中心的個(gè)數(shù)過于依賴的問題,并能夠發(fā)現(xiàn)不同形狀的簇。
　　其次,本文在基于SOM神經(jīng)網(wǎng)絡(luò)和模糊聚類的挖掘算法基礎(chǔ)上設(shè)計(jì)了一種Web日志增量挖掘算法。該算法對(duì)噪音不敏感,充分利用了上次的挖掘結(jié)果,能夠快速地進(jìn)行增量更新,適用于對(duì)數(shù)據(jù)更新頻繁的數(shù)據(jù)庫(kù)進(jìn)行增量挖掘。特別是對(duì)Web日志這類數(shù)據(jù)量相對(duì)比較大,更新頻繁的動(dòng)態(tài)數(shù)據(jù)庫(kù),該算法有比較明顯的優(yōu)勢(shì)。
　　最后,本文設(shè)計(jì)并實(shí)現(xiàn)了Web