人工免疫聚类在Web日志挖掘中的应用

论文摘要

Web日志挖掘是从服务器端记录的用户访问日志或从用户的浏览信息中抽取感兴趣的模式,通过分析这些数据可以帮助理解用户的行为,最终可以指导企业明智的进行市场决策,更好的为用户提供个性化的服务。本文主要采用人工免疫的思想进行聚类,从服务器日志文件中提取出用户访问模式,为用户提供个性化服务。本文通过实际操作,选取南昌大学人文学院的日志为数据源,以Weka软件为平台,研究了日志挖掘技术及关键算法,详细介绍了数据预处理的过程,同时用实验加以实现。在研究聚类算法的基础上,针对当前传统聚类算法中所存在的问题,根据免疫系统的原理及Web日志数据的特性,探讨采用人工免疫思想进行Web日志的聚类分析。该算法运用免疫系统自身的自组织、自适应特性,由克隆选择原理和免疫网络原理相结合,同时,为每一个抗体添加类别标记,让抗体充分学习到抗原的特征,形成能代表抗原的记忆抗体,使得最后得到的抗体集合即为聚类结果,从而实现聚类。通过实验的验证与比较,证明了该算法的可行性及精确性,在理论和实践上都有着极为重要的研究意义。最后,通过聚类结果分析,从而为网站管理者提供网站结构修改的意见,更好的为用户提供个性化服务。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文的选题背景和研究意义
• 1.2 Web挖掘研究综述
• 1.2.1 Web挖掘技术
• 1.2.2 国内外Web日志研究现状
• 1.3 人工免疫系统研究概述
• 1.4 本文的工作内容和组织
• 第2章 Web日志挖掘的研究
• 2.1 Web日志挖掘的提出
• 2.2 Web日志文件介绍及其基本术语
• 2.2.1 Web日志文件的基本术语
• 2.2.2 Web日志介绍
• 2.3 Web日志挖掘的过程
• 2.3.1 数据采集
• 2.3.2 数据预处理
• 2.3.3 模式发现
• 2.3.4 模式分析
• 2.4 Web日志挖掘的应用
• 2.5 WEKA的介绍
• 2.6 本章小结
• 第3章 基于人工免疫系统的聚类算法
• 3.1 聚类分析
• 3.1.1 聚类分析的概念
• 3.1.2 聚类分析的数学模型
• 3.1.3 聚类分析的主要方法
• 3.2 人工免疫系统概述
• 3.3 基于群体的免疫聚类算法
• 3.3.1 基于免疫进化的聚类算法
• 3.3.2 基于克隆选择的聚类算法
• 3.4 基于人工免疫网络的聚类算法
• 3.4.1 基于进化人工免疫网络的聚类算法
• 3.4.2 资源有限网络（RLAIS）
• 3.5 本章小结
• 第4章 基于克隆选择和免疫网络的聚类算法
• 4.1 问题的提出
• 4.2 基于克隆选择和免疫网络的聚类算法
• 4.2.1 算法的基本思想
• 4.2.2 算法参数说明
• 4.2.3 算法操作流程
• 4.2.4 算法分析
• 4.3 基于克隆选择和免疫网络的仿真测试试验
• 4.3.1 准确率测试
• 4.3.2 时间效率测试
• 4.4 本章小结
• 第5章 人工免疫系统在Web日志挖掘中的应用
• 5.1 数据预处理
• 5.1.1 初始文件导入
• 5.1.2 数据清洗
• 5.1.3 用户识别
• 5.1.4 会话识别
• 5.1.5 文件格式转换
• 5.2 基于人工免疫的聚类算法在Web日志挖掘中的应用
• 5.2.1 添加标注
• 5.2.2 算法的封装
• 5.2.3 初始参数设置
• 5.3 实验结果
• 5.4 影响试验关键参数分析
• 5.5 模式的使用
• 5.6 本章小结
• 第6章 结论
• 6.1 总结
• 6.2 进一步的工作展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果