基于遺傳算法的Web用戶聚類模型的研究.pdf_第1頁
已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀

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)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、Web日志挖掘作為Web挖掘的一個重要組成部分，包含了大量的用戶訪問信息，對之進行分析，從中挖掘出用戶的行為模式，有著重要的理論和實踐意義。Web日志挖掘的方法主要有三種：聚類分析、關(guān)聯(lián)分析、序列分析，其中，聚類分析方法適合挖掘具有噪音和不完整數(shù)據(jù)的大量數(shù)據(jù)集，因此它在用戶行為模式分析中起著重要的作用。在聚類分析中，K均值算法是應(yīng)用較為廣泛的一種算法，但是它的缺點是對初始值非常敏感而且容易陷入局部極小值，因此本文引入遺傳算法，將遺傳算法

2、與K均值算法進行整合，充分發(fā)揮遺傳算法啟發(fā)式全局尋優(yōu)的計算優(yōu)勢，尋求最優(yōu)聚類。 本文所述系統(tǒng)首先根據(jù)網(wǎng)站的拓撲結(jié)構(gòu)對頁面進行編碼，在編碼中存儲了頁面的層次關(guān)系及其類屬關(guān)系，有助于提高了Web用戶的聚類質(zhì)量。然后以編碼為基礎(chǔ)根據(jù)Web日志得到一組用戶行為訪問向量，并改進了一個基于遺傳算法的Web用戶聚類模型WUGC(Web User Genetic Clustering)，以實現(xiàn)對Web用戶的聚類分析。WUGC以遺傳算法為基礎(chǔ)，在

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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論