融合多重模糊矩阵_SOFM的Web日志挖掘研究

摘要

本文首先对Web日志挖掘的发展现状及存在的问题进行了系统性阐述，按Web日志挖掘的流程及相关技术进行了介绍和探讨。重点分析和研究了Web日志数据预处理、聚类分析技术以及算法等Web日志挖掘关键技术。
　　 本文较为详细地阐述了模糊聚类理论、自组织神经网络算法的基本原理。并分别就模糊多重矩阵、自组织神经网络训练和聚类算法等问题加以讨论。
　　 研究Web用户访问模式挖掘，一般都是利用单一算法，考虑用户访问页面的单一属性，使用户访问模式结果具有一定的片面性、不合理性。以此为依据，为了更好地提高Web用户访问模式挖掘的准确率，降低挖掘用户访问模式的运行时间，本文提出一种基于多重模糊矩阵SOFM的Web用户访问模式挖掘算法，在综合考虑用户访问Web页面的多种评价因素的情况下，构造多重模糊矩阵，较好的融合多个关联SOFM神经网络对多重评价因素进行学习训练，更加准确的、科学的挖掘WEB用户访问模式，同时通过自组织神经网络实现模糊矩阵的降维操作，加快模型的运行速度，增加模型的抗干扰、抗噪声功能。
　　 实验结果表明，本文提出的多重模糊矩阵_SOFM的Web用户访问模式挖掘模型，一定程度上提高了WEB用户访问模式挖掘的精确度和运行效率，是一种良好的WEB用户访问模式挖掘方法。
　　 最后，对本文取得的成果以及不足进行了总结，并对下一步的研究工作进行了展望。

目录

文摘

英文文摘

声明

第1章 绪论

1.1选题背景与研究意义

1.2国内外研究现状

1.3论文的工作和组织结构

1.3.1工作内容

1.3.2组织结构

第2章 Web日志挖掘

2.1 Web挖掘

2.1.1 Web内容挖掘

2.1.2 Web结构挖掘

2.1.3 Web日志挖掘

2.2 Web日志挖掘流程

2.2.1数据收集

2.2.2数据预处理

2.2.3模式发现

2.2.4模式分析

2.3聚类分析

2.3.1聚类分析概述

2.3.2聚类分析过程

2.3.3常用聚类分析方法

2.4本章小结

第3章 模糊聚类与自组织神经网络

3.1模糊聚类理论基础

3.1.1隶属度函数

3.1.2 λ-截集

3.1.3模型识别

3.2模糊聚类基本方法

3.2.1系统聚类法

3.2.2逐步聚类法

3.3自组织神经网络

3.3.1自组织神经网络的拓扑结构

3.3.2自组织神经网络权值调整域

3.3.3自组织神经网络原理及流程

3.3.4自组织神经网络优缺点

3.4本章小结

第4章 基于模糊聚类_SOFM的Web日志挖掘算法

4.1多重模糊矩阵基本概念

4.2构造多重模糊矩阵

4.3算法基本原理及流程

4.4本章小结

第5章 基于模糊聚类_SOFM的Web日志挖掘系统设计与实现

5.1系统实现的目的

5.2系统开发平台与开发环境

5.3系统概要设计

5.4系统模块功能设计

5.4.1总体设计

5.4.2数据预处理及数据库设计

5.4.3训练阶段

5.4.4应用阶段

5.5实验结果及分析

5.6本章小结

第6章 结论与展望

6.1全文总结

6.2进一步工作方向

致谢

参考文献

攻读学位期间的研究成果