校園網(wǎng)用戶行為信息的預(yù)處理與聚類方法研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展與普及，網(wǎng)絡(luò)應(yīng)用已深入人們的生活。校園網(wǎng)作為互聯(lián)網(wǎng)的重要組成部分，在我國高校教育中占著舉足輕重的地位。校園網(wǎng)用戶數(shù)量快速增長，一些網(wǎng)絡(luò)應(yīng)用與管理的問題也開始暴露。
　　校園網(wǎng)中用戶群體在網(wǎng)絡(luò)活動產(chǎn)生了海量的網(wǎng)絡(luò)數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)對校園網(wǎng)中用戶行為的日志文件進行分析，對于高校教學管理活動具有重要的應(yīng)用價值。論文旨在通過對校園網(wǎng)日志文件中的用戶網(wǎng)絡(luò)行為數(shù)據(jù)進行挖掘，以獲取網(wǎng)絡(luò)用戶群體的網(wǎng)絡(luò)行為規(guī)律，為校園網(wǎng)管理

2、者制定有效策略來引導(dǎo)用戶進行合理的網(wǎng)絡(luò)活動提供支持。
　　目前校園網(wǎng)用戶行為信息的分析方法，往往只注重于聚類算法的算法設(shè)計，沒有充分考慮校園網(wǎng)用戶網(wǎng)絡(luò)行為各屬性之間的關(guān)系，而研究過程中選用的聚類算法也多局限于校園網(wǎng)用戶行為分析中傳統(tǒng)算法的應(yīng)用與改進。論文根據(jù)校園網(wǎng)用戶網(wǎng)絡(luò)行為的特點，提出有效結(jié)合網(wǎng)絡(luò)用戶數(shù)據(jù)特點的預(yù)處理方式，并在此基礎(chǔ)上，引入基于圖論的子空間聚類方法，結(jié)合線性慣性權(quán)重的粒子群聚類算法，應(yīng)用于預(yù)處理后所得數(shù)據(jù)，得出有

3、效的校園網(wǎng)用戶網(wǎng)絡(luò)行為模式。具體研究內(nèi)容如下:
　?、傺芯楷F(xiàn)有校園網(wǎng)用戶行為信息分析方法，包含統(tǒng)計方法和聚類方法中的預(yù)處理過程和聚類過程。并對常用的聚類算法及其性能進行了介紹。
　?、卺槍π@網(wǎng)中用戶行為信息數(shù)據(jù)特點，結(jié)合現(xiàn)有預(yù)處理方法，提出適用于校園網(wǎng)用戶網(wǎng)絡(luò)行為數(shù)據(jù)的新的預(yù)處理方法，解決現(xiàn)有分析方法中只能分析單一屬性，不能將不同屬性進行融合分析的問題。
　?、鄹鶕?jù)校園網(wǎng)用戶行為信息數(shù)據(jù)特點，在聚類過程中引入基于圖論

4、的子空間聚類方法，將研究對象的聚類問題轉(zhuǎn)化為無向加權(quán)圖的頂點分割問題，在此基礎(chǔ)上對原始研究數(shù)據(jù)經(jīng)過預(yù)處理后所得的距離矩陣提取特征矩陣，實現(xiàn)對校園網(wǎng)網(wǎng)絡(luò)數(shù)據(jù)中高維數(shù)據(jù)的有效降維，并在此基礎(chǔ)上引入帶有線性慣性權(quán)重的粒子群聚類算法，完成校園網(wǎng)用戶行為信息的分析。
　　本文的創(chuàng)新點包括:
　?、偬岢鲠槍π@網(wǎng)用戶行為信息的歸一化加權(quán)的預(yù)處理方法，完成研究對象不同屬性數(shù)據(jù)的融合分析。
　?、谠谛@網(wǎng)用戶行為信息分析中提出將子空間

5、概念和粒子群聚類相結(jié)合的聚類算法，完成研究數(shù)據(jù)的有效降維，在一定程度上避免常用聚類算法容易陷入局部最優(yōu)解的問題，實現(xiàn)了對研究對象的聚類。
　　實驗結(jié)果表明，本文所提出的預(yù)處理方法可以完成研究數(shù)據(jù)中不同屬性的融合，實現(xiàn)對校園網(wǎng)對象的融合分析。在此基礎(chǔ)上引入基于子空間的粒子群聚類算法，對比現(xiàn)有校園網(wǎng)用戶行為信息研究方法，降低了算法的時間復(fù)雜度，避免了中心點選擇的敏感性，增強了高位數(shù)據(jù)的處理能力，實現(xiàn)了聚類結(jié)果的穩(wěn)定性，得出了更真實的聚