基于改进后的K-means聚类算法的网吧用户行为聚类

介绍了web日志挖掘概念,利用改进后k-means聚类算法对网吧web日志挖掘,对网吧用户行为聚类分析,找出用户的偏爱,以便网吧管理员更好定制网吧网络管理策略.     

基于聚类协同过滤的个性化推荐系统

个性化推荐系统被越来越多地应用到各类网站中,以解决信息增长带来的信息迷失和信息过栽问题,而协同过滤算法是个性化推荐系统的重要算法之一,但是传统的协同过滤算法存在数据稀疏、冷启动等问题,为了解决这些问题,在综合WEB日志挖掘和聚类两个因素基础上,提出基于WEB日志和聚类的协同过滤算法,并将该算法与传统的协同过滤算法进行分析比较,验证了该算法能够提高推荐的精确度和实时性．     

基于FC-MDE模糊聚类的Web用户模式挖掘

Web使用模式挖掘是从用户浏览网站的数据中抽取感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构或为用户提供个性化的服务。尽管Web日志挖掘是一些数据挖掘算法的应用,但不是简单地将数据挖掘算法修改为适用于新的数据类型,其中涉及许多处理工作。试从偏离网页的去除、使用者浏览路径相似程度的计算,对使用者浏览路径的模糊聚类的分析三个方面论述FC—MDE模糊聚类的Web用户模式挖掘。     

基于粗糙集和模糊聚类的网站日志数据挖掘实例分析

粗糙集理论是有效处理不精确、不确定和含糊信息的软计算工具,模糊聚类分析是依据客观事务间的特征、亲疏程度和相似性,通过建立模糊相似关系对客观事务进行分类的方法.网站日志数据通常是大量的,冗余的,日志中的页面之间的关系也是模糊的,不确定的.该文利用粗糙集理论和模糊聚类的方法对某学校网站的日志数据进行实例分析,抽取用户感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构,为用户提供个性化服务.     

模糊聚类在数据处理中的应用

在分析数据处理的意义基础上,提出了一种基于模糊聚类的数据处理方法。该方法不依赖于任何数学模型,通过对大量数据仿真处理,研究表明本文提出的方法能在保留原始数据的有用信息的基础上剔除冗余数据,侦破过失误差,减少随机误差。     

基于Web挖掘中聚类算法的浅析

针对Web挖掘,首先论述了Web挖掘的基本理论,接着分析数据挖掘中的聚类算法,讨论了聚类分析的数据结构和数据类型,以及聚类算法的分类,详细介绍了数据挖掘中用到的主要聚类算法,最后对评价聚类结果的方法进行了分析。     

模糊聚类算法在案例教学系统中的应用研究

针对传统案例教学系统检索效率不高,缺乏智能性等特点,本文提出采用模糊聚类的方法对学生和案例分别进行聚类分析,使得具有相同个性特征的学生划分到一个类中,同时对案例库中的案例根据相似性程度进行聚类组织,最后通过学生综合能力的测试,对具有相同认知能力的学生推荐合适的一组案例,优化了传统的CBR系统。     

Web日志挖掘在校园网建设中的应用研究

在Web日志挖掘的基础上,构建挖掘系统模型,采用模糊聚类方法对采集的日志数据进行聚类,得到用户的访问模式,从而指导校园网网站管理人员改善Web站点结构,提高用户查找信息的准确率和效率。     

关于直接聚类法的若干注记

此文基本否定了一种具有广泛应用的直接聚类法的理论依据,给出了正确的理论根据并且实质性地推广了这一方法。     

基于web日志挖掘聚类算法的电子商务商业智能研究

随着互联网的日益普及和电子商务的迅速发展,基于Web日志挖掘聚类算法的电子商务在市场中竞争越来越激烈.本文首先概述Web使用挖掘,简单介绍日志挖掘技术中两个关键技术,聚类分析和序列模式挖掘,进而讨论Web日志挖掘的数据预处理过程,包括用户,数据净化,路径补充等.对于传统的矩阵聚算法进行优化,应用该算法可以对客户和页面进行聚类分析,达到发现相似的客户群体,挖掘潜在客户群.通过实验表明改进的算法具有较高的扩展性和准确性,证明将挖掘结果应用于个性化推荐系统的思想是可行有效的.     

基于模糊聚类的入侵检测系统的实现

传统的入侵检测技术在扩展性和适应性上已不能应付越来越复杂的攻击方式,利用模糊聚类方法可以在入侵检测中生成更好的检测规则,提出了FCM的改进算法SFCM,设计并实现了基于SFCM的入侵检测系统FCIDS,利用KDD CUP99数据进行实验,结果表明能够显著提高检测率和降低误报率。     

模糊聚类分析在数据挖掘中的应用研究

聚类分析是数据挖掘的一个重要研究领域,按照一定的要求和规律将事物进行分类的一种数学方法。将模糊数学的模糊理论应用于数据挖掘的聚类分析中,提出一种快速模糊C-均值聚类算法,并给出模糊聚类分析在数据挖掘中的应用的主要步骤,大大提高计算效率,收敛速度非常快,对大量数据处理是有实际意义的。     

基于层次的模糊K均值聚类算法研究

通过对K均值聚类算法的研究,本文提出了一种基于层次聚类与模糊聚类思想的K均值聚类算法。算法首先使用层次方法对数据进行初始聚类,然后用得到的聚类数作为模糊K均值聚类中的K值,对聚类进行修正。最后通过实验,验证了该算法不需要人为假设聚类算法中的K值,而且引入了模糊隶属关系使类别的划分更接近于事实,从而证明了该算法的有效性。     

基于模糊聚类分析的客户分类算法研究

A customer-classified evaluation system is described with the customization-supporting tree of evaluation indexes, in which users can determine any evaluation index independently. Based on this system, a customer-classified algorithm based on fuzzy clustering analysis is proposed to implement the customer-classified management. A numerical example is presented, which provides correct results,indicating that the algorithm can be used in the decision support system of CRM.     

基于模糊聚类的旅游资源评价与开发——以宁夏沿黄城市带为例

旅游资源是一个国家或地区发展旅游业最重要的载体,如何开发和利用好地区旅游资源是发展旅游业的关键所在。本文运用模糊聚类的数学方法对宁夏沿黄城市带13个县区市的旅游资源进行定量评价,从旅游资源的聚类结果看:兴庆区、金凤区和沙坡头区为第一类;平罗县、贺兰县、大武口区和青铜峡市为第二类;灵武和中宁县为第三类;惠农区和永宁县为第四类;利通区和西夏区为第五类。对这五类地区旅游资源开发现状和潜力进行分析,并提出未来沿黄城市带旅游资源和产品的开发方向。     

一种使用挖掘中的模糊本体论生成方法

在语义Web中,用户访问行为模型可以作为本体论共享.如何把Web访问活动转变成为本体论是一个非常关键的问题.为了解决这个技术问题,本文提出了一种在Web使用挖掘中集成模糊逻辑和形式化概念分析的本体论自动生成方法.文章首先对Web使用挖掘以及语义Web和本体论进行了介绍,然后该方法的体系结构及其生成过程也被详细地论述.