文摘
英文文摘
论文说明:图表目录
第1章绪论
1.1研究背景和意义
1.1.1研究背景
1.1.2研究对象
1.2增量挖掘技术的研究发展现状
1.2.1关联规则的增量挖掘
1.2.2聚类的增量挖掘
1.2.3增量的分类算法
1.2.4序列模式的增量挖掘
1.3本文的主题
1.4本文的主要贡献
1.5本文的组织
1.6本章小结
第2章WEB日志挖掘综述
2.1数据源
2.1.1服务器端
2.1.2客户端
2.1.3代理端
2.2 Web日志文件预处理
2.2.1数据清理
2.2.2用户识别
2.2.3会话识别
2.2.4路径补充
2.2.5增量日志文件的处理
2.3 Web日志中的知识发现
2.4 Web使用挖掘的应用
2.4.1个性化传递Web页面的内容
2.4.2通过预取和缓冲技术改进用户导航
2.4.3改进Web站点的设计
2.4.4电子商务
2.5软件
2.6 Web日志的增量挖掘
2.7本章小结
第3章基于模糊连接度的层次聚类算法
3.1聚类的基本概念
3.1.1聚类算法中的数据结构
3.1.2相似性度量
3.1.3准则函数
3.2模糊聚类
3.2.1模糊集和模糊关系
3.2.2模糊图
3.3模糊层次聚类算法
3.3.1邻域
3.3.2基于模糊连接度的层次聚类算法
3.3.3计算复杂度
3.4增量式模糊层次聚类算法(IFHC)
3.4.1插入对象的情况
3.4.2删除对象的情况
3.5基于数据分区的模糊聚类算法(PFHC)
3.5.1数据分区
3.5.2边界处理
3.5.3 PFHC算法描述
3.6实验结果
3.6.1 FHC算法的性能测试与比较
3.6.2 IFHC算法的性能测试与比较
3.6.3 PFHC算法的性能测试与比较
3.7本章小结
第4章基于竞争的神经网络模型
4.1竞争型神经网络
4.2 SIN网络模型和算法实现
4.2.1网络结构
4.2.2学习算法
4.2.3 SIN网络的学习规则
4.2.4网络回想
4.2.5在线聚类
4.3 ASCPN模型
4.3.1学习过程
4.3.2 ASCPN网络的学习算法
4.3.3网络回想
4.3.4 ASCPN网络模型的特点
4.4有效性测试
4.4.1 SIN网络模型的实验
4.4.2 ASCPN网络模型的实验
4.5本章小结
第5章基于聚类划分的最大频繁项集的挖掘
5.1关联规则的挖掘
5.1.1关联规则
5.1.2 FP-growth算法
5.1.3存在的问题
5.2局部频繁项集和全局频繁项集
5.2.1基本概念
5.2.2算法思想
5.3基于聚类划分的关联规则挖掘算法
5.3.1改进的FP-tree构造
5.3.2算法描述
5.4全局频繁项目集的快速更新
5.4.1增量FP-growth挖掘算法
5.4.2算法描述
5.5基于聚类划分的关联规则增量更新算法
5.6实验结果
5.6.1无增量数据时的实验结果
5.6.2增量数据的实验结果
5.7本章小结
第6章基于WEB日志挖掘的动态分析系统
6.1 Weblog Analyzer的系统框架和功能
6.2 Weblog Analyzer原型系统的设计与实验
6.2.1事务数据库和模式数据库
6.2.2数据预处理
6.2.3最大频繁模式挖掘
6.2.4聚类分析
6.2.5分类
6.3本章小结
第7章总结与展望
7.1总结
7.2未来工作的展望
参考文献
攻读博士学位期间主要的研究成果
致谢