基于粒子群的聚類算法改進及其在訪問模式中的應(yīng)用研究.pdf

1、從大量顧客日志數(shù)據(jù)中挖掘有意義的用戶訪問模式及相關(guān)的潛在顧客群，是目前數(shù)據(jù)挖掘技術(shù)在Internet上的重要應(yīng)用之一，挖掘用戶訪問網(wǎng)站的模式，可以使網(wǎng)站建設(shè)者清楚地了解自己網(wǎng)站不同用戶的興趣和整個網(wǎng)站頁面的訪問情況，并可進一步優(yōu)化網(wǎng)站的組織結(jié)構(gòu)或建立自適應(yīng)網(wǎng)站，從而從中發(fā)現(xiàn)商機并方便不同用戶的訪問。由于現(xiàn)實需求的急迫，越來越多的研究者將目光對準了這個領(lǐng)域，使得Web訪問模式挖掘技術(shù)得到很快的發(fā)展，本論文正是在這樣的背景下對用戶訪問模式聚

2、類算法進行了研究。 本文通過分析Web數(shù)據(jù)特點及現(xiàn)有聚類算法，得出用戶訪問模式聚類的特點，提出將粒子群優(yōu)化算法與K-均值相結(jié)合應(yīng)用于Web訪問模式聚類的可能。 通過分析K-均值算法與粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)，對現(xiàn)有的幾種基于粒子群的K-均值聚類算法進行了實驗驗證，并根據(jù)粒子群算法在數(shù)據(jù)分析應(yīng)用中的不足，提出了一種基于隨機搜索方向的K-均值與粒子群算法結(jié)合的聚類算法R

3、VPSO-K，它能夠通過改變粒子軌跡提高粒子本身的搜索能力，從而可能盡快地找到全局最優(yōu)解。經(jīng)lris、Zoo、Wine數(shù)據(jù)集對K-均值算法、粒子群算法及相關(guān)的4種改進算法進行測試，結(jié)果表明，RVPSO-K算法聚類能力較強，收斂性較好。 RVPSO-K算法應(yīng)用于用戶訪問模式時，本文詳細地分析了預(yù)處理階段的各項任務(wù)，構(gòu)造了本文算法所適用的UserID-URL關(guān)聯(lián)矩陣，對聚類中心代表含義進行了說明，提出設(shè)定不同的閾值的概念來解決用戶后