已閱讀1頁，還剩56頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著Web2.0時代的到來，Web使用挖掘受到越來越多的關(guān)注。大規(guī)模的互聯(lián)網(wǎng)用戶訪問行為產(chǎn)生了海量的數(shù)據(jù)。從用戶使用行為中發(fā)掘出用戶感興趣的模式給研究人員也帶來了挑戰(zhàn)。找到這些模式是web使用挖掘最終的目標(biāo)，它可以幫助改善站點的內(nèi)容、結(jié)構(gòu)和個性化服務(wù)，從而給用戶帶來更好的瀏覽體驗。會話聚類是一種重要的Web使用挖掘技術(shù)，旨在發(fā)現(xiàn)相似的用戶行為，這是目前Web使用挖掘中的熱點問題之一。該問題的難度在于要對大規(guī)模的會話進行聚類，這些會話被表
2、示成高維向量，加大了對算法高效性的要求。
群體智能算法由于其具有的高性能和易實現(xiàn)性，被眾多學(xué)者應(yīng)用到函數(shù)優(yōu)化和工程技術(shù)領(lǐng)域，取得了較理想的效果，例如蟻群優(yōu)化算法(Ant ColonyOptimization，ACO)和粒子群算法(Particle Swarm Optimization，PSO)。而對運用群體智能算法進行web使用挖掘的研究尚處于起步階段，算法本身在解決此類問題上還存在著不足之處。因此針對問題的特性如何進行算法的
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于BFO和K-means相結(jié)合的web用戶會話聚類方法研究.pdf
- 基于web日志挖掘的用戶會話聚類算法的研究與應(yīng)用.pdf
- 基于用戶瀏覽路徑的Web用戶聚類研究.pdf
- 基于SOM和PSO的聚類算法研究.pdf
- 基于Web訪問日志的用戶聚類研究.pdf
- 基于Web日志挖掘的用戶聚類研究.pdf
- 基于Web日志的用戶興趣聚類研究.pdf
- Web用戶訪問路徑聚類方法研究.pdf
- 基于分形法和聚類相結(jié)合求解TSP問題.pdf
- Web使用挖掘中的會話聚類研究.pdf
- 基于用戶瀏覽興趣的Web日志聚類研究.pdf
- Web用戶訪問聚類模式研究.pdf
- 基于ACO的Web使用挖掘方法研究.pdf
- 基于用戶行為的Web日志聚類研究與應(yīng)用.pdf
- 基于用戶會話的Web應(yīng)用測試研究.pdf
- 基于改進的混合蛙跳算法的Web用戶聚類研究.pdf
- 基于Web日志的網(wǎng)絡(luò)用戶聚類研究與實現(xiàn).pdf
- 基于查詢向量轉(zhuǎn)移和聚類相結(jié)合的相關(guān)反饋技術(shù)研究.pdf
- 基于PSO的雙向聚類算法研究.pdf
- 基于改進ACO和PSO算法的結(jié)構(gòu)可靠度分析.pdf
評論
0/150
提交評論