基于聚類算法的Web日志挖掘應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取信息或“挖掘”知識的過程，獲取的信息和知識可以廣泛用于各種應(yīng)用。在數(shù)據(jù)挖掘的實現(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)域中一個非常活躍的研究課題。
　　 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上瀏覽行為的日志中提取用戶的訪問模式，如頁面訪問頻度、用戶聚類等。這些知識有助于網(wǎng)站設(shè)計者優(yōu)化站點拓撲結(jié)構(gòu)，提供個性化、智能化服務(wù)以及提高網(wǎng)站的性能。
　　

2、 本文從對聚類分析基本算法的研究出發(fā)，在分析和實現(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，從聚類個數(shù)和聚類中心兩個方面進行算法的改進，通過實驗進行了改進后算法的有效性說明，并將改進后的算法應(yīng)用于東華大學精品課程網(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)在分析和實現(xiàn)基本聚類算法的基礎(chǔ)上，利用標準數(shù)據(jù)集進行了基本算法的比較說明，并對層次聚類算法、k-means聚類算法以及

3、模糊C-均值聚類算法的聚類結(jié)果進行了比較。
　　 2)針對聚類算法中的初始聚類中心和聚類個數(shù)進行優(yōu)化設(shè)計，改進了相應(yīng)的算法，分析了模糊C-均值聚類算法的聚類個數(shù)估計方法以及皮爾遜相關(guān)系數(shù)距離度量方法，并進一步提出了一種基于粗糙集的改進的模糊C-均值聚類算法，隨后實現(xiàn)了改進后的優(yōu)化算法，并通過實驗分析與傳統(tǒng)聚類模糊C-均值聚類算法進行對比，比較改進算法與傳統(tǒng)算法的聚類效果，說明了算法的有效性。
　　 3)將改進后的算法應(yīng)用