本文關(guān)鍵詞：數(shù)據(jù)挖掘的新技術(shù)研究，由筆耕文化傳播整理發(fā)布。

《天津大學(xué)》 2007年

數(shù)據(jù)挖掘的新技術(shù)研究

王彤  

【摘要】： 隨著Internet的發(fā)展,網(wǎng)上購物、電子政務(wù)、網(wǎng)上信息檢索等活動(dòng)日益頻繁,人們對網(wǎng)絡(luò)服務(wù)的需求成為網(wǎng)絡(luò)發(fā)展的巨大動(dòng)力。但面對網(wǎng)上巨大的數(shù)據(jù)量和眾多的網(wǎng)站,人們在選擇網(wǎng)絡(luò)服務(wù)、檢索信息時(shí)往往感到無從下手,如何使網(wǎng)絡(luò)服務(wù)適應(yīng)不同用戶的個(gè)性化需求已成為網(wǎng)絡(luò)服務(wù)提供者急切關(guān)心的問題。要滿足用戶的個(gè)性化需求,關(guān)鍵的問題是如何發(fā)現(xiàn)用戶的訪問模式,對Web進(jìn)行數(shù)據(jù)挖掘的目標(biāo)之一就是要發(fā)現(xiàn)用戶的訪問模式。 Web數(shù)據(jù)挖掘可分為三種類型,即:Web使用挖掘、Web結(jié)構(gòu)挖掘和Web內(nèi)容挖掘,而挖掘用戶的頻繁訪問序列是發(fā)現(xiàn)用戶的訪問模式的主要方法,也是Web使用挖掘的一項(xiàng)重要任務(wù)。Web使用挖掘可以從Web日志或訪問者的行為中發(fā)現(xiàn)知識,并且可以從不同用戶的訪問中發(fā)現(xiàn)不同用戶的行為之間的內(nèi)在關(guān)系。挖掘的結(jié)果可以用于改進(jìn)Web站點(diǎn)的設(shè)計(jì)和向用戶提供服務(wù)的方式,以盡可能地滿足不同用戶的需求。本文在深入研究了OLTP、OLAP數(shù)據(jù)庫的設(shè)計(jì)特點(diǎn)和Web日志挖掘的已有算法及其相關(guān)知識的基礎(chǔ)上,對原AprioriAll算法進(jìn)行了改進(jìn)。在Web日志挖掘過程中,通過對Web日志數(shù)據(jù)按“用戶維”進(jìn)行切片,不僅可以將所有用戶看作一個(gè)整體進(jìn)行挖掘,而且還實(shí)現(xiàn)了對不同的用戶個(gè)體的行為進(jìn)行獨(dú)立地挖掘,從而使挖掘出的結(jié)果能夠滿足對用戶個(gè)性化使用的需求。這一改進(jìn)同時(shí)實(shí)現(xiàn)了對Web日志的增量挖掘,使對Web日志的動(dòng)態(tài)挖掘成為可能。實(shí)驗(yàn)表明,改進(jìn)后的算法較原算法減少了挖掘過程中候選集的大小和對數(shù)據(jù)庫的掃描次數(shù),使時(shí)空效率得以提高。 針對表示和存儲Web事務(wù)要占用大量內(nèi)存,以及Apriori類算法在挖掘過程中要產(chǎn)生大量候選集和對數(shù)據(jù)庫進(jìn)行頻繁掃描的缺點(diǎn),本文提出了Web事務(wù)編碼技術(shù)和逆-Apriori算法。Web事務(wù)編碼技術(shù)使用一個(gè)數(shù)字表示一個(gè)Web事務(wù),可以對Web事務(wù)數(shù)據(jù)庫進(jìn)行壓縮,減少內(nèi)存的占用;而逆-Apriori算法可以反向獲取用戶的最大頻繁訪問序列,并在此基礎(chǔ)上發(fā)現(xiàn)關(guān)聯(lián)規(guī)則,避免了Apriori類算法逐次產(chǎn)生候選頻繁項(xiàng)集的煩瑣過程。 通過分析用戶瀏覽網(wǎng)頁的行為和網(wǎng)站對用戶請求的反應(yīng),本文還提出了利用用戶訪問網(wǎng)頁的駐留時(shí)間進(jìn)行Web日志挖掘的方法。駐留時(shí)間反映了用戶瀏覽網(wǎng)頁的行為,通過在挖掘前設(shè)定用戶訪問網(wǎng)頁的駐留時(shí)間的區(qū)間值,使挖掘者可以選擇和縮減挖掘的范圍,提高了挖掘算法與使用者之間的交互能力�；谶@一思想的新算法,首先通過對Web日志的預(yù)處理,產(chǎn)生帶有駐留時(shí)間的Web訪問記錄集,然后以駐留時(shí)間為限制條件,構(gòu)建駐留時(shí)間頻繁訪問序列樹,用以存儲和壓縮帶有駐留時(shí)間的數(shù)據(jù)庫,并記錄網(wǎng)頁的支持?jǐn)?shù)量。最后以駐留時(shí)間頻繁訪問序列樹為挖掘?qū)ο?在最小支持度的限制下,通過采用深度優(yōu)先的方法對駐留時(shí)間頻繁訪問序列樹進(jìn)行遍歷,發(fā)現(xiàn)用戶訪問網(wǎng)站的駐留時(shí)間最大頻繁訪問序列,對比實(shí)驗(yàn)表明該算法對Web日志挖掘有較高的效率。 模糊神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘研究領(lǐng)域的又一大熱點(diǎn)問題。本文依據(jù)最大似然原則,推導(dǎo)出用于模糊神經(jīng)網(wǎng)絡(luò)分類算法的交叉熵函數(shù)準(zhǔn)則,同時(shí)構(gòu)建了新的激活函數(shù)。基于交叉熵準(zhǔn)則和新的激活函數(shù)的模糊神經(jīng)網(wǎng)絡(luò)分類算法與基于誤差平方和準(zhǔn)則的BP算法相比,有更快的學(xué)習(xí)速率而又不致使學(xué)習(xí)過程失穩(wěn),不易陷入局部極小點(diǎn)。新的激活函數(shù)的優(yōu)點(diǎn)在于不僅可以取到0、1值,而且還具有根據(jù)總誤差調(diào)節(jié)函數(shù)曲線斜率的能力,加快了算法的收斂速度,提高了算法的效率,改善了算法的動(dòng)態(tài)性能。 最后,本文提出了引入生物信息技術(shù)解決Web挖掘中的用戶識別問題的設(shè)想,并提出了基于隱馬爾科夫模型構(gòu)建虹膜識別系統(tǒng)的方法,該方法僅需要虹膜的方向域作為輸入?yún)?shù),與需要許多虹膜細(xì)節(jié)的常規(guī)方法相比,它對虹膜圖像的噪聲與扭曲并不敏感,從而使該方法具有魯棒性的特點(diǎn);另一方面該匹配方法簡化了預(yù)處理過程,具有較高的效率。通過準(zhǔn)確識別用戶,克服了現(xiàn)有Web體系無狀態(tài)的缺陷,可以實(shí)現(xiàn)對Web日志數(shù)據(jù)按“用戶維”進(jìn)行切片,因此不僅可以將所有用戶看作一個(gè)整體進(jìn)行挖掘,而且還可以對不同用戶的個(gè)體行為進(jìn)行獨(dú)立地挖掘,從而使挖掘出的結(jié)果能夠滿足對用戶個(gè)性化使用的需求。這一設(shè)想實(shí)施后,還能夠?qū)崿F(xiàn)對Web的增量挖掘,從而使對Web日志的動(dòng)態(tài)挖掘成為可能。

【關(guān)鍵詞】：
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2007
【分類號】：TP311.13
【目錄】：

中文摘要2-4

ABSTRACT4-11

第一章 緒論11-35

1.1 研究背景11-12

1.2 在線事務(wù)處理（OLTP）12-14

1.2.1 在線事務(wù)處理的特點(diǎn)12-13

1.2.2 OLTP 報(bào)表13-14

1.3 在線分析處理（OLAP）14-18

1.3.1 數(shù)據(jù)倉庫與 OLAP 的關(guān)系15

1.3.2 OLAP 的作用15-17

1.3.3 OLAP 的特性17-18

1.4 決策支持?jǐn)?shù)據(jù)和傳統(tǒng)操作型數(shù)據(jù)的比較18-22

1.4.1 目的和特性20

1.4.2 數(shù)據(jù)結(jié)構(gòu)和內(nèi)容20-21

1.4.3 數(shù)據(jù)量21-22

1.4.4 數(shù)據(jù)特征22

1.5 數(shù)據(jù)倉庫與數(shù)據(jù)集市22-24

1.6 數(shù)據(jù)挖掘24-25

1.7 OLAP 和數(shù)據(jù)挖掘的比較25

1.8 數(shù)據(jù)挖掘模型25-26

1.8.1 ROLAP26

1.8.2 MOLAP26

1.8.3 HOLAP26

1.9 數(shù)據(jù)預(yù)處理方法26-31

1.9.1 數(shù)據(jù)的收集和準(zhǔn)備27

1.9.2 數(shù)據(jù)清洗27-29

1.9.3 數(shù)據(jù)集成29-30

1.9.4 數(shù)據(jù)歸約30-31

1.9.5 微軟數(shù)據(jù)轉(zhuǎn)換服務(wù)31

1.10 本文的主要工作31-33

1.11 論文結(jié)構(gòu)33-35

第二章 面向用戶的 Web 日志挖掘35-62

2.1 WEB 挖掘與WEB 信息檢索37

2.2 WEB 數(shù)據(jù)的分類37-38

2.3 WEB 用戶訪問信息挖掘38-40

2.3.1 Web 用戶訪問過程38-39

2.3.2 Web 日志挖掘步驟39-40

2.4 預(yù)處理 WEB 日志數(shù)據(jù)40-45

2.4.1 數(shù)據(jù)源的獲取40-42

2.4.2 Web 日志的預(yù)處理42-45

2.5 對WEB LOG 的序列模式挖掘45-46

2.6 WEB 數(shù)據(jù)挖掘面臨的一些問題46-49

2.6.1 用戶的分類問題46-47

2.6.2 網(wǎng)站內(nèi)容的分類問題47

2.6.3 網(wǎng)站內(nèi)容的時(shí)效性對用戶的影響47-48

2.6.4 用戶在網(wǎng)頁上停留時(shí)間反映用戶的興趣度48

2.6.5 網(wǎng)頁更新頻率的影響48

2.6.6 網(wǎng)頁的鏈入與鏈出數(shù)反映網(wǎng)頁的重要程度48-49

2.7 目前常用的算法49-53

2.7.1 PageRank 算法49-50

2.7.2 HITS 算法50-52

2.7.3 LOGSOM 算法52

2.7.4 常用算法的不足52-53

2.8 基于用戶使用模式的發(fā)現(xiàn)算法及其改進(jìn)53-60

2.8.1 基本原理53-54

2.8.2 原有的 AprioriAll 算法54-56

2.8.3 改進(jìn)后的算法56-59

2.8.4 實(shí)驗(yàn)與結(jié)論59-60

2.9 進(jìn)一步的工作60-61

2.10 本章小結(jié)61-62

第三章 數(shù)據(jù)庫編碼技術(shù)及逆-Apriori 算法62-70

3.1 數(shù)據(jù)庫編碼63-65

3.2 頻繁項(xiàng)集挖掘65-66

3.3 關(guān)聯(lián)規(guī)則挖掘66-67

3.4 算法優(yōu)化67-68

3.5 實(shí)驗(yàn)結(jié)果68-69

3.6 本章小結(jié)69-70

第四章 基于網(wǎng)頁駐留時(shí)間的最大頻繁訪問序列挖掘70-80

4.1 問題的提出70-71

4.2 訪問網(wǎng)站的會(huì)話與網(wǎng)頁的駐留時(shí)間71-72

4.2.1 訪問網(wǎng)站的會(huì)話71

4.2.2 網(wǎng)頁的駐留時(shí)間71-72

4.3 FTS 和MFTS 的定義72

4.4 駐留時(shí)間頻繁訪問序列樹的構(gòu)建72-74

4.5 駐留時(shí)間最大頻繁訪問序列挖掘算法74-79

4.5.1 算法設(shè)計(jì)74-77

4.5.2 算法分析與性能評估77-79

4.6 本章小結(jié)79-80

第五章 基于交叉熵和新激活函數(shù)的模糊神經(jīng)網(wǎng)絡(luò)分類算法80-88

5.1 問題的提出80-81

5.2 神經(jīng)網(wǎng)絡(luò)分類器結(jié)構(gòu)81-82

5.3 交叉熵函數(shù)準(zhǔn)則及訓(xùn)練算法82-84

5.4 激活函數(shù)84-85

5.5 實(shí)際應(yīng)用及比較85-86

5.6 本章小結(jié)86-88

第六章 生物信息技術(shù)在 Web 挖掘中的應(yīng)用88-101

6.1 問題的提出88

6.2 WEB 訪問中的生物信息識別88-90

6.3 生物信息識別技術(shù)90-91

6.4 生物信息的類型91-94

6.4.1 指紋91-92

6.4.2 面部特征識別92

6.4.3 語音識別92-93

6.4.4 掌形識別93

6.4.5 手寫體驗(yàn)證93

6.4.6 DNA 識別技術(shù)93-94

6.4.7 虹膜識別94

6.5 虹膜識別系統(tǒng)的組成94-95

6.6 虹膜圖像的獲取及其預(yù)處理95-96

6.7 特征抽取與觀測向量構(gòu)建96-97

6.8 訓(xùn)練隱馬爾科夫模型與虹膜匹配97-99

6.9 實(shí)驗(yàn)結(jié)果99

6.10 結(jié)論99-101

第七章 結(jié)論與展望101-104

7.1 全文總結(jié)101-102

7.2 研究工作展望102-104

參考文獻(xiàn)104-111

發(fā)表論文和參加科研情況說明111-112

致謝112

下載全文 更多同類文獻(xiàn)

CAJ全文下載

(如何獲取全文？ 歡迎：購買知網(wǎng)充值卡、在線充值、在線咨詢)

CAJViewer閱讀器支持CAJ、PDF文件格式

【引證文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張曉艷;面向農(nóng)業(yè)信息服務(wù)平臺的挖掘技術(shù)研究[D];湖南工業(yè)大學(xué);2010年

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王繼成;王珣;;模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)及其應(yīng)用[J];模式識別與人工智能;1999年02期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 趙志榮;個(gè)性化搜索引擎的研究、設(shè)計(jì)與實(shí)現(xiàn)[D];四川大學(xué);2002年

2 祝效普;WEB用戶訪問序列模式挖掘[D];天津大學(xué);2005年

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張世海,劉曉燕,歐進(jìn)萍;高層結(jié)構(gòu)智能選型知識發(fā)現(xiàn)及方法比較[J];四川建筑科學(xué)研究;2005年05期

2 潘潔珠;半結(jié)構(gòu)化數(shù)據(jù)及其數(shù)據(jù)模型[J];安徽教育學(xué)院學(xué)報(bào);2003年06期

3 朱俊峰;;關(guān)聯(lián)規(guī)則在“基于網(wǎng)絡(luò)的課程考核改革試點(diǎn)”工作中的應(yīng)用[J];安徽廣播電視大學(xué)學(xué)報(bào);2009年03期

4 干娟;;基于決策樹算法的學(xué)生綜合測評系統(tǒng)的設(shè)計(jì)[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年04期

5 李玲玲;辛浩;;FCM算法及其有效性度量方法[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年05期

6 趙鵬,倪志偉,賈瑞玉;基于數(shù)據(jù)挖掘技術(shù)的范例庫維護(hù)[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年02期

7 王永梅;胡學(xué)鋼;;決策樹中ID3算法的研究[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

8 梁佩佩,楊麗萍;基于模糊關(guān)系數(shù)據(jù)庫的聚類算法研究[J];安徽職業(yè)技術(shù)學(xué)院學(xué)報(bào);2004年01期

9 葉明全;;數(shù)據(jù)挖掘在醫(yī)療數(shù)據(jù)中的應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年03期

10 章曙光;耿煥同;;一種改進(jìn)的基于聚類的范例添加刪除維護(hù)模型[J];安徽建筑工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 葉紅云;倪志偉;陳恩紅;;一種混合型集成學(xué)習(xí)演化決策樹算法[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

2 章曙光;;基于CBR的電力負(fù)荷預(yù)測系統(tǒng)的研究與實(shí)現(xiàn)[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

3 周炎濤;唐劍波;王家琴;;基于信息熵的改進(jìn)TFIDF特征選擇算法[A];第二十六屆中國控制會(huì)議論文集[C];2007年

4 ;Learning Algorithm of Decision Tree Generation for Continuous-valued Attribute[A];第二十九屆中國控制會(huì)議論文集[C];2010年

5 馮春暉;陳彥橋;劉金琨;;數(shù)據(jù)挖掘技術(shù)在火電機(jī)組運(yùn)行參數(shù)優(yōu)化中的應(yīng)用[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

6 王琦;;基于貝葉斯決策樹算法的垃圾郵件識別機(jī)制[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

7 查星云;;一種鋼鐵企業(yè)金屬損耗平衡分析方法[A];全國冶金自動(dòng)化信息網(wǎng)2012年年會(huì)論文集[C];2012年

8 趙云鵬;石麗;劉瑩;;基于數(shù)據(jù)挖掘的高校規(guī)模分析及應(yīng)用研究[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C];2011年

9 張柔玲;黃君瑤;;談病案信息的利用[A];中國醫(yī)院協(xié)會(huì)病案管理專業(yè)委員會(huì)第十八屆學(xué)術(shù)會(huì)議論文集[C];2009年

10 薛魯華;張楠;;聚類分析在Web數(shù)據(jù)挖掘中的應(yīng)用[A];北京市第十三次統(tǒng)計(jì)科學(xué)討論會(huì)論文選編[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王杰;基于人工智能的乒乓球比賽技戰(zhàn)術(shù)診斷與評估研究[D];上海體育學(xué)院;2010年

2 牟向偉;模糊語義個(gè)性化推薦系統(tǒng)在電子政務(wù)中的應(yīng)用研究[D];大連海事大學(xué);2010年

3 全惠敏;電能質(zhì)量相關(guān)信號的S變換檢測算法及應(yīng)用研究[D];湖南大學(xué);2010年

4 張明;電能質(zhì)量擾動(dòng)相關(guān)問題研究[D];華中科技大學(xué);2010年

5 渠瑜;基于SVM的高不平衡分類技術(shù)研究及其在電信業(yè)的應(yīng)用[D];浙江大學(xué);2010年

6 徐河杭;面向PLM的數(shù)據(jù)挖掘技術(shù)和應(yīng)用研究[D];浙江大學(xué);2010年

7 戴小鵬;知識網(wǎng)格及其在農(nóng)業(yè)生物災(zāi)害預(yù)警中關(guān)鍵技術(shù)研究[D];湖南農(nóng)業(yè)大學(xué);2010年

8 王冬麗;基于可擴(kuò)展的支持向量機(jī)分類算法及在信用評級中的應(yīng)用[D];東華大學(xué);2011年

9 朱佳俊;不確定可拓群決策優(yōu)化方法及應(yīng)用[D];東華大學(xué);2010年

10 陳進(jìn);高光譜圖像分類方法研究[D];國防科學(xué)技術(shù)大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李金華;基于SVM的多類文本分類研究[D];山東科技大學(xué);2010年

2 吳香庭;基于遺傳算法的K-means聚類方法的研究[D];山東科技大學(xué);2010年

3 岳海亮;信息論在粗糙集連續(xù)屬性離散化中的應(yīng)用[D];遼寧師范大學(xué);2010年

4 蔡浩;基于Web使用挖掘的協(xié)同過濾推薦算法研究[D];浙江理工大學(xué);2010年

5 劉建東;基于Web訪問信息挖掘的數(shù)字圖書館個(gè)性化服務(wù)研究[D];浙江理工大學(xué);2010年

6 李翠;基于車輛自動(dòng)識別的智能計(jì)重監(jiān)控系統(tǒng)的研究與設(shè)計(jì)[D];鄭州大學(xué);2010年

7 石國強(qiáng);基于規(guī)則的組合分類器的研究[D];鄭州大學(xué);2010年

8 劉春燕;教學(xué)網(wǎng)絡(luò)DIDS數(shù)據(jù)分析方法的研究與改進(jìn)[D];鄭州大學(xué);2010年

9 史文財(cái);省級政務(wù)網(wǎng)安全檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2010年

10 徐一鳳;隱私保護(hù)聚類挖掘方法的研究[D];哈爾濱工程大學(xué);2010年

【同被引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 葉良艷;;基于改進(jìn)后的K-means聚類算法的網(wǎng)吧用戶行為聚類[J];安徽科技學(xué)院學(xué)報(bào);2009年04期

2 趙耀紅;;基于向量空間模型的信息檢索系統(tǒng)的研究與實(shí)現(xiàn)[J];長春大學(xué)學(xué)報(bào);2009年08期

3 王桂芹;黃道;;數(shù)據(jù)挖掘技術(shù)綜述[J];電腦應(yīng)用技術(shù);2007年02期

4 游慶祥;尤瑞玲;;一種基于向量空間模型的構(gòu)件庫設(shè)計(jì)[J];電腦知識與技術(shù);2009年03期

5 張冉;夏素萍;;一種基于空間向量模型的主題PageRank算法[J];電腦知識與技術(shù);2009年04期

6 許偉佳;;基于向量空間模型的文檔聚類研究[J];電腦知識與技術(shù);2009年25期

7 潘國清;;一種向量空間模型中對特征項(xiàng)的改進(jìn)方法及應(yīng)用[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年02期

8 劉輝;胡大治;;數(shù)據(jù)挖掘技術(shù)發(fā)展及其應(yīng)用[J];甘肅科技;2006年04期

9 龔靜;李英杰;;文本聚類算法的分析與比較[J];湖南環(huán)境生物職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年03期

10 邢永康,馬少平;一種基于Markov鏈模型的動(dòng)態(tài)聚類方法[J];計(jì)算機(jī)研究與發(fā)展;2003年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 程軍;基于統(tǒng)計(jì)的文本分類技術(shù)研究[D];中國科學(xué)院研究生院（文獻(xiàn)情報(bào)中心）;2003年

2 裴志利;數(shù)據(jù)挖掘技術(shù)在文本分類和生物信息學(xué)中的應(yīng)用[D];吉林大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 柳楓;基于統(tǒng)計(jì)的數(shù)據(jù)挖掘技術(shù)在CRM系統(tǒng)中的應(yīng)用研究[D];大連理工大學(xué);2003年

2 吳文妹;基于改進(jìn)關(guān)聯(lián)規(guī)則和聚類算法在數(shù)據(jù)挖掘中的應(yīng)用[D];福州大學(xué);2005年

3 王威;CRM中聚類分析的算法研究與實(shí)例應(yīng)用[D];西安科技大學(xué);2005年

4 張昭濤;數(shù)據(jù)挖掘聚類算法研究[D];西南交通大學(xué);2005年

5 王洪艷;基于聚類的數(shù)據(jù)挖掘技術(shù)在CRM中的研究與應(yīng)用[D];武漢大學(xué);2005年

6 蘇力華;基于向量空間模型的文本分類技術(shù)研究[D];西安電子科技大學(xué);2006年

7 張帆;WEB數(shù)據(jù)挖掘在商務(wù)網(wǎng)站中的應(yīng)用實(shí)踐[D];山東大學(xué);2007年

8 姚清耘;基于向量空間模型的中文文本聚類方法的研究[D];上海交通大學(xué);2008年

9 趙文忠;WEB挖掘在農(nóng)業(yè)網(wǎng)站的應(yīng)用研究[D];東北農(nóng)業(yè)大學(xué);2008年

10 陳再良;一種基于向量空間模型的商品分類算法[D];復(fù)旦大學(xué);2008年

【二級參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 汪曉巖,胡慶生,李斌,莊鎮(zhèn)泉;面向Internet的個(gè)性化智能信息檢索[J];計(jì)算機(jī)研究與發(fā)展;1999年09期

2 王繼成,蕭嶸,孫正興,張福炎;Web信息檢索研究進(jìn)展[J];計(jì)算機(jī)研究與發(fā)展;2001年02期

3 張靈玲,周文輝,韓耀偉,李俊,潘金貴,三枝武男,坂上修二,奧山明;基于Internet的課件信息發(fā)現(xiàn)和收集Agent的研究[J];計(jì)算機(jī)研究與發(fā)展;1999年04期

4 路海明,盧增祥,徐晉暉,李衍達(dá);基于Agent技術(shù)的個(gè)性化主動(dòng)信息服務(wù)[J];計(jì)算機(jī)工程與應(yīng)用;1999年06期

5 趙仲孟;張蓓;沈均毅;;對搜索引擎未來發(fā)展的探討[J];計(jì)算機(jī)科學(xué);2001年03期

6 丁蔚,倪波;因特網(wǎng)信息服務(wù)新模式[J];情報(bào)理論與實(shí)踐;2000年02期

7 張惠文;網(wǎng)絡(luò)信息檢索技術(shù)的智能化趨勢[J];情報(bào)理論與實(shí)踐;2001年06期

8 曾民族;網(wǎng)絡(luò)信息檢索現(xiàn)狀和性能評價(jià)[J];情報(bào)學(xué)報(bào);1997年02期

9 周大勇;網(wǎng)絡(luò)環(huán)境下的個(gè)性化需求與個(gè)性化信息服務(wù)[J];情報(bào)雜志;2001年11期

10 劉靜;論網(wǎng)絡(luò)信息檢索[J];圖書情報(bào)工作;1999年01期

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 齊劍鋒 彭巖;[N];計(jì)算機(jī)世界;2001年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 袁莉;基于Web的個(gè)性化信息服務(wù)機(jī)制[D];四川大學(xué);2001年

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李恩玉;楊平先;孫興波;;基于激活函數(shù)四參可調(diào)的BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法[J];微電子學(xué)與計(jì)算機(jī);2008年11期

2 唐鳳仙;湯鵬杰;;基于BP網(wǎng)絡(luò)的有教師分類算法及應(yīng)用[J];河池學(xué)院學(xué)報(bào);2011年02期

3 彭漢川，甘強(qiáng)，，韋鈺;提高前饋神經(jīng)網(wǎng)絡(luò)推廣能力的若干實(shí)際方法[J];電子學(xué)報(bào);1998年04期

4 李嵐,英銳男,陳曉平;BP網(wǎng)絡(luò)的一種優(yōu)質(zhì)高效學(xué)習(xí)算法[J];江蘇理工大學(xué)學(xué)報(bào);1999年01期

5 郭海濤,張殿倫,馬國芳,厚宇德;使用BP算法時(shí)應(yīng)考慮的若干問題[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年04期

6 沈艷軍,汪秉文;激活函數(shù)可調(diào)的神經(jīng)元網(wǎng)絡(luò)的一種快速算法[J];中國科學(xué)E輯;2003年08期

7 梅冬芳;;采用調(diào)整函數(shù)優(yōu)化梯度的BP算法改進(jìn)[J];現(xiàn)代電子技術(shù);2006年16期

8 牛奕龍;王英民;王毅;;一種改進(jìn)的自適應(yīng)不完整自然梯度盲源分離算法[J];模式識別與人工智能;2006年05期

9 魯娟娟;陳紅;;BP神經(jīng)網(wǎng)絡(luò)的飽和分析及改進(jìn)[J];計(jì)算機(jī)仿真;2007年03期

10 初麗娟;沈艷霞;;基于VHDL語言的神經(jīng)網(wǎng)絡(luò)激活函數(shù)隨機(jī)運(yùn)算的實(shí)現(xiàn)[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 李彬;李貽斌;榮學(xué)文;;激活函數(shù)可調(diào)的ELM學(xué)習(xí)算法及其應(yīng)用[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)D卷[C];2011年

2 蔡麗萍;李茂青;;一種基于模糊聚類的日志挖掘方法及應(yīng)用[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 王擔(dān)擔(dān);阮秀凱;張志涌;;基于Hopfield網(wǎng)絡(luò)盲檢測QAM信號的激活函數(shù)[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

4 周莉;張勇;邢春曉;;ULMF:一種基于構(gòu)件的通用日志挖掘框架[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（一）[C];2008年

5 孫長銀;馮純伯;;關(guān)于時(shí)滯神經(jīng)網(wǎng)絡(luò)的指數(shù)周期性[A];2003中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2003年

6 王軍;宋寶燕;于戈;;一種Web日志挖掘數(shù)據(jù)預(yù)處理方法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

7 師文清;葉曉俊;;基于查詢?nèi)罩就诰虻木W(wǎng)頁聚類研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

8 王洪俊;賴志國;施水才;肖詩斌;;基于查詢?nèi)罩镜牟樵兘ㄗh挖掘[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2004年

9 張繼業(yè);張克躍;;具有無窮時(shí)滯的Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)的全局穩(wěn)定性分析[A];第十一屆全國非線性振動(dòng)學(xué)術(shù)會(huì)議暨第八屆全國非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2007年

10 張繼業(yè);張克躍;;具有無窮時(shí)滯的Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)的全局穩(wěn)定性分析[A];第十一屆全國非線性振動(dòng)學(xué)術(shù)會(huì)議暨第八屆全國非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文摘要集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王彤;數(shù)據(jù)挖掘的新技術(shù)研究[D];天津大學(xué);2007年

2 沈艷軍;多輸出神經(jīng)元模型的多層前向神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[D];華中科技大學(xué);2004年

3 梁金玲;時(shí)滯神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)研究[D];東南大學(xué);2006年

4 徐軍;遞歸神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];浙江大學(xué);2007年

5 王麗丹;多卷混沌發(fā)生器的設(shè)計(jì)、電路實(shí)現(xiàn)與應(yīng)用[D];重慶大學(xué);2008年

6 王剛;基于最大非高斯估計(jì)的獨(dú)立分量分析理論研究[D];國防科學(xué)技術(shù)大學(xué);2005年

7 韓飛;基于先驗(yàn)信息編碼的約束學(xué)習(xí)算法研究[D];中國科學(xué)技術(shù)大學(xué);2006年

8 朱鯤鵬;基于Web日志挖掘的智能信息檢索研究[D];哈爾濱工業(yè)大學(xué);2009年

9 張昀;基于復(fù)數(shù)Hopfield神經(jīng)網(wǎng)絡(luò)的盲信號檢測[D];南京郵電大學(xué);2012年

10 羅建;基于人工神經(jīng)網(wǎng)絡(luò)模型的母線保護(hù)研究和實(shí)現(xiàn)[D];重慶大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 寧興旺;基于日志挖掘的網(wǎng)絡(luò)安全審計(jì)系統(tǒng)研究與實(shí)現(xiàn)[D];山東師范大學(xué);2010年

2 桂輝;WEB日志挖掘在網(wǎng)站推薦服務(wù)中的應(yīng)用研究[D];華北電力大學(xué)（北京）;2011年

3 史振華;基于Web日志挖掘的網(wǎng)站優(yōu)化技術(shù)與應(yīng)用[D];武漢理工大學(xué);2010年

4 楊鵬;Web日志挖掘數(shù)據(jù)預(yù)處理算法研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2011年

5 劉宇婷;基于Web日志挖掘的個(gè)性化服務(wù)研究與應(yīng)用[D];北京理工大學(xué);2010年

6 程苗;云計(jì)算技術(shù)在web日志挖掘中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2011年

7 趙偉;基于Web日志的用戶訪問模式挖掘[D];天津大學(xué);2004年

8 孫趙平;基于關(guān)聯(lián)規(guī)則的web日志挖掘應(yīng)用研究[D];安徽大學(xué);2010年

9 韓莉;基于概念格的Web使用日志挖掘及其在個(gè)人化技術(shù)中的應(yīng)用[D];安徽大學(xué);2003年

10 王靚明;融合多重模糊矩陣_SOFM的Web日志挖掘研究[D];南昌大學(xué);2010年

  本文關(guān)鍵詞：數(shù)據(jù)挖掘的新技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：151410