声明
摘要
致谢
第一章 绪论
1.1 研究背景及意义
1.2 研究现状分析
1.2.1 Web用户会话聚类研究现状
1.2.2 K-means研究现状
1.2.3 BFO研究现状
1.3 本文的研究内容和文章结构
第二章 web使用挖掘概述
2.1 Web数据挖掘
2.1.1 Web数据挖掘概念
2.2 Web使用挖掘
2.2.1 web使用挖掘概念
2.2.2 Web使用挖掘的结构和过程
2.2.3 Web使用挖掘的主要技术
2.3 聚类分析
2.3.1 数据类型和相似度度量
2.3.2 聚类准则
2.3.3 聚类优化
2.4 Web用户会话聚类概述
2.4.1 web用户会话聚类数据
2.4.2 web会话聚类主要技术
2.5 本章小结
第三章 基于细菌觅食优化和K-means结合的聚类算法
3.1 细菌觅食算法概述
3.1.1 细菌觅食算法的简介
3.1.2 细菌觅食的生物行为
3.1.3 细菌觅食算法的参数和流程
3.2 细菌觅食聚类算法(BF-C)
3.2.1 算法参数设置的准则
3.2.2 趋向性步长的选取
3.2.3 趋向性次数和游动步长的选取
3.2.4 复制操作次数和迁徙操作次数的选取
3.2.5 迁徙概率的选取
3.3 细菌觅食优化和k-means混合的聚类算法
3.3.1 k-means算法流程
3.3.2 混合算法设计思想
3.3.3 混合聚类算法流程(KBFC)
3.4 本章小结
第四章 混合算法在Web用户会话聚类中的应用
4.1 web用户会话聚类问题描述
4.2 KBFC算法的聚类有效性分析
4.2.1 聚类有效性实验数据集
4.2.2 聚类有效性度量指标
4.2.3 聚类有效性实验结果
4.3 EPA数据聚类
4.3.1 web日志预处理过程
4.3.2 EPA数据实验结果
4.4 本章小节
第五章 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
攻读硕士学位期间发表的论文