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，請進行舉報或認領

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)站的拓撲結構對頁面進行編碼，在編碼中存儲了頁面的層次關系及其類屬關系，有助于提高了Web用戶的聚類質(zhì)量。然后以編碼為基礎根據(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，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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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