融合多重模糊矩陣_SOFM的Web日志挖掘研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩54頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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、本文首先對(duì)Web日志挖掘的發(fā)展現(xiàn)狀及存在的問(wèn)題進(jìn)行了系統(tǒng)性闡述,按Web日志挖掘的流程及相關(guān)技術(shù)進(jìn)行了介紹和探討。重點(diǎn)分析和研究了Web日志數(shù)據(jù)預(yù)處理、聚類分析技術(shù)以及算法等Web日志挖掘關(guān)鍵技術(shù)。
   本文較為詳細(xì)地闡述了模糊聚類理論、自組織神經(jīng)網(wǎng)絡(luò)算法的基本原理。并分別就模糊多重矩陣、自組織神經(jīng)網(wǎng)絡(luò)訓(xùn)練和聚類算法等問(wèn)題加以討論。
   研究Web用戶訪問(wèn)模式挖掘,一般都是利用單一算法,考慮用戶訪問(wèn)頁(yè)面的單一屬性,使

2、用戶訪問(wèn)模式結(jié)果具有一定的片面性、不合理性。以此為依據(jù),為了更好地提高Web用戶訪問(wèn)模式挖掘的準(zhǔn)確率,降低挖掘用戶訪問(wèn)模式的運(yùn)行時(shí)間,本文提出一種基于多重模糊矩陣SOFM的Web用戶訪問(wèn)模式挖掘算法,在綜合考慮用戶訪問(wèn)Web頁(yè)面的多種評(píng)價(jià)因素的情況下,構(gòu)造多重模糊矩陣,較好的融合多個(gè)關(guān)聯(lián)SOFM神經(jīng)網(wǎng)絡(luò)對(duì)多重評(píng)價(jià)因素進(jìn)行學(xué)習(xí)訓(xùn)練,更加準(zhǔn)確的、科學(xué)的挖掘WEB用戶訪問(wèn)模式,同時(shí)通過(guò)自組織神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊矩陣的降維操作,加快模型的運(yùn)行速度,

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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