基于聚類算法的Web日志挖掘應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩95頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取信息或“挖掘”知識(shí)的過程,獲取的信息和知識(shí)可以廣泛用于各種應(yīng)用。在數(shù)據(jù)挖掘的實(shí)現(xiàn)過程中,聚類是普遍采用的方法之一,聚類分析已經(jīng)成為數(shù)據(jù)挖掘研究領(lǐng)域中一個(gè)非?;钴S的研究課題。
   將聚類分析應(yīng)用于Web服務(wù)器日志的挖掘,可以從記錄了用戶在站點(diǎn)上瀏覽行為的日志中提取用戶的訪問模式,如頁(yè)面訪問頻度、用戶聚類等。這些知識(shí)有助于網(wǎng)站設(shè)計(jì)者優(yōu)化站點(diǎn)拓?fù)浣Y(jié)構(gòu),提供個(gè)性化、智能化服務(wù)以及提高網(wǎng)站的性能。
  

2、 本文從對(duì)聚類分析基本算法的研究出發(fā),在分析和實(shí)現(xiàn)層次聚類算法、k-means聚類算法以及模糊C-均值聚類算法的基礎(chǔ)上,從聚類個(gè)數(shù)和聚類中心兩個(gè)方面進(jìn)行算法的改進(jìn),通過實(shí)驗(yàn)進(jìn)行了改進(jìn)后算法的有效性說明,并將改進(jìn)后的算法應(yīng)用于東華大學(xué)精品課程網(wǎng)站的日志挖掘中,取得了良好的分析效果。論文的主要工作如下:
   1)在分析和實(shí)現(xiàn)基本聚類算法的基礎(chǔ)上,利用標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行了基本算法的比較說明,并對(duì)層次聚類算法、k-means聚類算法以及

3、模糊C-均值聚類算法的聚類結(jié)果進(jìn)行了比較。
   2)針對(duì)聚類算法中的初始聚類中心和聚類個(gè)數(shù)進(jìn)行優(yōu)化設(shè)計(jì),改進(jìn)了相應(yīng)的算法,分析了模糊C-均值聚類算法的聚類個(gè)數(shù)估計(jì)方法以及皮爾遜相關(guān)系數(shù)距離度量方法,并進(jìn)一步提出了一種基于粗糙集的改進(jìn)的模糊C-均值聚類算法,隨后實(shí)現(xiàn)了改進(jìn)后的優(yōu)化算法,并通過實(shí)驗(yàn)分析與傳統(tǒng)聚類模糊C-均值聚類算法進(jìn)行對(duì)比,比較改進(jìn)算法與傳統(tǒng)算法的聚類效果,說明了算法的有效性。
   3)將改進(jìn)后的算法應(yīng)用

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論