本文關(guān)鍵詞：聚類算法及其在校園網(wǎng)用戶行為分析中的應(yīng)用

  更多相關(guān)文章： 網(wǎng)絡(luò)用戶行為 聚類算法 K-mediods算法 SOM算法

【摘要】：校園網(wǎng)作為互聯(lián)網(wǎng)的重要分支,其網(wǎng)絡(luò)用戶行為具有獨(dú)有的特性,盡管聚類算法在網(wǎng)絡(luò)用戶行為分析中的應(yīng)用較為廣泛,但分析校園網(wǎng)用戶的會(huì)話行為數(shù)據(jù)時(shí),仍存在一定的局限性。本文在研究聚類算法的基礎(chǔ)上,選取適用于校園網(wǎng)絡(luò)用戶行為分析的聚類算法,對(duì)其進(jìn)行改進(jìn),并應(yīng)用到校園網(wǎng)絡(luò)用戶行為分析中。具體研究?jī)?nèi)容如下:①研究聚類算法,包括經(jīng)典聚類算法和現(xiàn)有的改進(jìn)算法,并對(duì)多種典型聚類算法的性能進(jìn)行比較分析。②提出了基于最遠(yuǎn)距離選取初始聚類中心和聚類中心迭代局部搜索策略的K-mediods改進(jìn)算法。針對(duì)K-mediods算法依賴初始中心和收斂速度較慢的缺陷,從初始中心選取和迭代搜索策略兩個(gè)方面對(duì)K-mediods算法進(jìn)行改進(jìn),并分析改進(jìn)算法時(shí)間復(fù)雜度。③提出了在輸入層增加降維層和基于權(quán)值變化的訓(xùn)練停止條件的SOM改進(jìn)算法。針對(duì)SOM算法不能直接應(yīng)用到本文校園網(wǎng)絡(luò)用戶行為數(shù)據(jù)的分析中及其訓(xùn)練停止條件的設(shè)置對(duì)收斂速度的影響,從輸入層模型和訓(xùn)練停止兩個(gè)方面對(duì)SOM算法進(jìn)行改進(jìn),并分析改進(jìn)算法時(shí)間復(fù)雜度。④實(shí)現(xiàn)了對(duì)Dr.com寬帶認(rèn)證服務(wù)器端的日志記錄預(yù)處理。預(yù)處理操作包括數(shù)據(jù)清洗、數(shù)據(jù)提取、數(shù)據(jù)轉(zhuǎn)換及數(shù)據(jù)存儲(chǔ)。⑤完成了兩種改進(jìn)算法的仿真實(shí)驗(yàn)和性能對(duì)比分析,并應(yīng)用于校園網(wǎng)用戶行為分析中,獲得了校園網(wǎng)用戶上網(wǎng)行為規(guī)律。從算法有效性及穩(wěn)定性方面對(duì)兩種改進(jìn)算法在應(yīng)用中的性能進(jìn)行驗(yàn)證,分析不同維度數(shù)據(jù)集的聚類結(jié)果,獲得能夠反映校園網(wǎng)絡(luò)用戶上網(wǎng)行為的規(guī)律特征,總結(jié)兩種改進(jìn)算法的特點(diǎn)。實(shí)驗(yàn)結(jié)果表明,本文K-mediods改進(jìn)算法的時(shí)間復(fù)雜度是傳統(tǒng)K-mediods算法的1/k2,有效性和穩(wěn)定性都能夠取得明顯的效果,穩(wěn)定性提高11%,同時(shí)改進(jìn)算法在校園網(wǎng)絡(luò)用戶行為的應(yīng)用中,聚類結(jié)果具有更好的可解釋性。SOM改進(jìn)算法在時(shí)間復(fù)雜度上雖然沒有改善,但其聚類有效性和穩(wěn)定性均能取得與K-mediods改進(jìn)算法相近的效果,聚類結(jié)果可解釋性也能與K-mediods改進(jìn)算法相匹配。這兩種方法均可用于校園網(wǎng)用戶上網(wǎng)行為分析。
【關(guān)鍵詞】：網(wǎng)絡(luò)用戶行為 聚類算法 K-mediods算法 SOM算法
【學(xué)位授予單位】：重慶交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.18;TP311.13
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-15
• 1.1 選題背景及意義9-10
• 1.2 課題研究現(xiàn)狀10-12
• 1.2.1 校園網(wǎng)絡(luò)用戶行為研究現(xiàn)狀10-11
• 1.2.2 校園網(wǎng)絡(luò)用戶行為分析方法研究現(xiàn)狀11-12
• 1.3 論文主要工作及創(chuàng)新12-13
• 1.4 論文結(jié)構(gòu)安排13-15
• 第二章 聚類算法研究15-26
• 2.1 聚類算法基礎(chǔ)理論15-21
• 2.1.1 聚類算法描述15
• 2.1.2 相似性度量15-17
• 2.1.3 聚類算法有效性評(píng)價(jià)17-21
• 2.2 常用聚類算法研究21-24
• 2.2.1 基于劃分的聚類算法21-22
• 2.2.2 基于層次的聚類算法22-23
• 2.2.3 基于密度的聚類算法23
• 2.2.4 基于網(wǎng)格的聚類算法23-24
• 2.2.5 基于模型的聚類算法24
• 2.3 聚類算法分析總結(jié)24-25
• 2.4 本章小結(jié)25-26
• 第三章 K-mediods算法及其改進(jìn)26-34
• 3.1 K-mediods聚類算法26-28
• 3.1.1 K-mediods算法思想26
• 3.1.2 K-mediods聚類算法步驟及流程26-27
• 3.1.3 K-mediods聚類算法的優(yōu)缺點(diǎn)27-28
• 3.2 K-mediods算法改進(jìn)28-32
• 3.2.1 基于最遠(yuǎn)距離的初始中心選取29-31
• 3.2.2 聚類中心迭代局部搜索策略31-32
• 3.3 K-mediods改進(jìn)算法時(shí)間復(fù)雜度分析32-33
• 3.4 本章小結(jié)33-34
• 第四章 SOM算法及其改進(jìn)34-44
• 4.1 SOM算法34-38
• 4.1.1 SOM算法模型34-35
• 4.1.2 SOM模型訓(xùn)練步驟35-36
• 4.1.3 SOM算法優(yōu)缺點(diǎn)36-38
• 4.2 SOM算法改進(jìn)38-42
• 4.2.1 輸入層模型改進(jìn)38-40
• 4.2.2 訓(xùn)練停止條件改進(jìn)40-41
• 4.2.3 SOM改進(jìn)算法步驟及流程圖41-42
• 4.3 SOM改進(jìn)算法時(shí)間復(fù)雜度分析42-43
• 4.4 本章小結(jié)43-44
• 第五章 算法仿真及其在校園網(wǎng)用戶行為分析中的應(yīng)用44-65
• 5.1 校園網(wǎng)網(wǎng)絡(luò)行為分析背景44-47
• 5.1.1 校園網(wǎng)數(shù)據(jù)來源環(huán)境44
• 5.1.2 Dr.com系統(tǒng)日志解析44-45
• 5.1.3 數(shù)據(jù)內(nèi)容及特點(diǎn)45-47
• 5.2 校園網(wǎng)絡(luò)系統(tǒng)日志數(shù)據(jù)預(yù)處理47-51
• 5.2.1 數(shù)據(jù)清洗47-48
• 5.2.2 數(shù)據(jù)特征提取48
• 5.2.3 數(shù)據(jù)轉(zhuǎn)換48-50
• 5.2.4 建立數(shù)據(jù)倉(cāng)庫(kù)50-51
• 5.3 算法仿真環(huán)境51
• 5.4 K-mediods改進(jìn)算法仿真51-53
• 5.4.1 有效性分析51-52
• 5.4.2 穩(wěn)定性分析52-53
• 5.5 SOM改進(jìn)算法仿真53-54
• 5.5.1 有效性分析53-54
• 5.5.2 穩(wěn)定性分析54
• 5.6 K-mediods改進(jìn)算法與SOM改進(jìn)算法應(yīng)用分析54-64
• 5.6.1 K-mediods改進(jìn)算法的應(yīng)用54-60
• 5.6.2 SOM改進(jìn)算法的應(yīng)用60-63
• 5.6.3 改進(jìn)算法的應(yīng)用總結(jié)63-64
• 5.7 本章小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 研究工作總結(jié)65-66
• 6.2 展望66-67
• 致謝67-68
• 參考文獻(xiàn)68-72
• 在學(xué)期間發(fā)表的論文和取得的學(xué)術(shù)成果72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 童先群;周忠眉;;基于層次聚類法的Entropy-KNN算法[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年01期

2 楊晨;閆薇;;利用SOM網(wǎng)絡(luò)模型進(jìn)行聚類研究[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2014年02期

，

本文編號(hào)：590671