声明
摘要
第1章 引言
1.1 研究背景和选题意义
1.1.1 研究背景
1.1.2 选题意义
1.2 研究现状
1.2.1 Web挖掘的研究现状
1.2.2 Web增量式挖掘的研究现状
1.3 论文的主要内容
1.4 本文的组织结构
第2章 Web挖掘与Web使用挖掘
2.1 Web挖掘
2.1.1 Web挖掘
2.1.2 Web挖掘的特点
2.1.3 Web挖掘的分类
2.2 Web使用挖掘
2.2.1 Web日志挖掘的定义
2.2.2 Web日志挖掘中常用的概念
2.2.3 Web日志挖掘的步骤
2.2.4 Web日志数据的预处理
第3章 粗糙集和模糊聚类的基本理论
3.1 粗糙集理论
3.1.1 粗糙集
3.1.2 粗糙集的基本特点
3.2 模糊聚类理论
3.2.1 模糊关系
3.2.2 可能性测度
3.2.3 常用的聚类算法
3.2.4 聚类分析算法的选择
第4章 基于粗糙集的属性约简和SOFM网络
4.1 基于粗糙集的属性约简研究
4.2 增量式的聚类思想和SOFM网络
4.2.1 增量式聚类
4.2.2 SOFM(Self-Organization Feature Mapping)网络
第5章 Web日志增量式挖掘模型
5.1 Web日志增量式挖掘模型的设计
5.2 基于模糊SOFM网络的增量式聚类算法
5.3 Web日志数据的预处理
5.4 Web用户的兴趣度矩阵
5.5 Web用户的兴趣模式
5.6 Web用户访问的兴趣模式相似度系数
5.7 Web日志挖掘具体步骤
第6章 实验验证及分析
6.1 数据的准备
6.1.1 数据的选取
6.1.2 数据的预处理
6.2 Web日志增量式挖掘的实现
6.2.1 数据样本训练阶段
6.2.2 应用阶段
6.3 改进后的算法与传统SOFM网络对比
6.3.1 训练误差对比
6.3.2 聚类结果的对比
第7章 总结与展望
7.1 论文的总结
7.2 展望
致谢
参考文献
攻读学位期间的研究成果