基于组织协同进化的Web日志挖掘

论文摘要

Internet的迅速发展，在给人们带来丰富信息和极大便利的同时，也随之产生了许多的问题，个性化的信息服务和构建智能化Web站点便是其中之一。直接或间接地解决这个问题的途径之一就是将数据挖掘技术应用于Web服务器日志的挖掘。本文研究了Web日志挖掘中的相关技术，并在组织进化算法的基础上，提出了二种用于Web日志挖掘的算法。 本文的主要研究工作如下： 1．组织协同进化分类算法(Organizational CoEvolutionary algorithm for Classification,OCEC)与现有遗传算法的运行机制不同，OCEC算法中的个体不需要进行编码，且个体以组织的形式进行进化，为此定义了新的适合于组织操作的进化算子；另外，OCEC的进化操作直接作用于数据而不是规则，进化结束后再从组织中提取规则。本文基于OCEC的以上特点，提出了组织协同进化的Web日志挖掘算法。该算法针对Web日志挖掘的特点，改进了OCEC中的合并算子，并把增减算子和交换算子中的常数参数修改为百分数。仿真对比实验表明，该算法不仅有效可行，而且还有较快的收敛速度。 2．在组织进化算法的基础上，提出了基于组织多层次进化的关联规则挖掘算法。该算法将初始数据以自由态组织形式加入进化种群中，进化种群每次进化后，把包含相同属性集合的组织加入最优种群中；并同时用本文定义的聚合算子对最优种群进行进化，把其中相同属性集合相等的不同组织聚合为一个更大的组织；进化结束后，再从最优种群各组织的相同属性集合中提取出关联规则。该算法避免了计算大量无效频繁项的支持度，而且进化种群和最优种群同时进化，因此有较快的进化速度。仿真对比实验表明，该算法不但加快了挖掘关联规则的速度，而且还保持了较高的有效关联规则提取率。

论文目录

• 第一章 绪论
• 1.1 论文的研究背景及意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 WEB日志挖掘的研究现状
• 1.3 本文的内容与结构
• 第二章 WEB日志挖掘
• 2.1 数据挖掘和WEB挖掘技术
• 2.1.1 数据挖掘
• 2.1.2 Web挖掘
• 2.2 WEB日志挖掘的数据分析
• 2.2.1 数据源
• 2.2.2 数据的模型
• 2.3 数据预处理
• 2.3.1 数据预处理的必要性
• 2.3.2 数据清洗
• 2.3.3 用户与会话识别
• 2.3.4 网页浏览识别
• 2.3.5 路径补全
• 2.4 WEB日志中的事务识别
• 2.4.1 浏览行为模型
• 2.4.2 一般事务模型
• 第三章 组织进化计算
• 3.1 引言
• 3.2 组织进化算法
• 3.2.1 组织的含义
• 3.2.2 组织进化算子
• 3.2.3 组织进化算法的描述
• 3.3 组织协同进化分类算法
• 3.3.1 引言
• 3.3.2 组织的定义
• 3.3.3 组织适应度的计算
• 3.3.4 组织进化算子
• 3.3.5 组织协同进化分类算法的描述
• 第四章 组织协同进化WEB日志挖掘算法
• 4.1 引言
• 4.2 WEB日志挖掘数据模型的建立
• 4.3 组织协同进化WEB日志挖掘算法
• 4.3.1 算法的设计思想
• 4.3.2 算法的具体描述
• 4.4 算法分析
• 4.4.1 计算复杂度分析
• 4.4.2 性能分析
• 4.5 实例仿真
• 4.6 结论
• 第五章 基于组织进化的关联规则挖掘算法
• 5.1 引言
• 5.2 基于组织进化的关联规则挖掘算法
• 5.2.1 组织的定义
• 5.2.2 组织适应度的计算
• 5.2.3 组织进化算子
• 5.2.4 算法描述
• 5.3 仿真试验与结果分析
• 5.4 结论
• 第六章 基于组织多层次进化的关联规则挖掘算法
• 6.1 引言
• 6.2 基于组织多层次进化的关联规则挖掘算法
• 6.2.1 算法的思想
• 6.2.2 算法描述
• 6.2.3 算法的计算复杂性分析
• 6.3 仿真试验与结果分析
• 6.3.1 算法有效性验证
• 6.3.2 算法可扩展性验证
• 6.4 结论
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 在读期间撰写（完成）的论文目录