基于SOM的模糊聚类在Web日志挖掘中的应用.pdfVIP

电脑编程技巧与维护 基于SOM 的模糊聚类在Web 日志挖掘中的应用 翟剑锋 （中国青年政治学院，北京100089） 摘 要：将自组织映射神经网络（SOM）与FCM 结合，利用SOM 的并行计算能够减少模糊C 均值算法在处理海量数据 时的聚类时间，可以提高聚类算法的速度和效果，同时使用该算法对校园网Web 日志进行数据挖掘，能够对用户行 为进行分析，从而提出相应的方法，更好地提高服务效率和管理质量。 关键词：模糊聚类 ； SOM 神经网络 ； FCM 算法 ； Web 挖掘 Application of Fuzzy Cluster in Web Log Mining Based on SOM ZHAI Jian-feng （China Youth University For Political Science , Beijing 100089 , China） Abstract: The self-organizing map(SOM)neural network and FCM(fuzzy C mean)algorithm, using SOM parallel computing is able to reduce the fuzzy C means algorithm in clustering time when dealing with massive data, can improve the speed of clustering algorithm and the effect. At the same time using this algorithm on campus network Web log data mining, can the user behavior analysis, and puts forward corresponding methods, improve service efficiency and quality management. Key words: Fuzzy Clustering ; SOM neural network ; FCM Algorithm ; Web mining 随着信息化网络的普及，互联网发展的焦点已经不再是 习过程中，输入层输入样本数据（ 表 简单的接入，而是在此基础上的多层次的、具有高可扩展性 示， 为t 时刻样本数据的i 维分量）后，输出层（用 的服务。由于可以对某些特征的统计信息对用户行为进行定 表示）上的神经元将开始竞争，输入 量的表示，因此对校园网用户行为进行挖掘分析，提高校园 数据通过计算欧式距离函数进行判断，其中欧氏距离最小的 网络的利用率已经成为校园网络管理的重要研究方向。 神经元为胜出的神经元，并且修改胜出神经元同其他神经元 目前，各个高校的网络管理系统记录了用户使用网络的 的权值（用 表示，代表时 相关数据，其中包含用户的IP 地址、上网时间、下网时间、 刻t 从输入节点i 到输出节点的j 权值），使各神经元的权值系 上行流量、下行流量及访问路径等相关信息。通过数据挖掘 数朝着输入样本逼近，从而具有相似特性的输入向量聚集在 技术对Web 日志进行聚类分析，根据不同的用户的行为特征， 一起，并有权值的输出值来指示所代表的类别。针对含有 个 能够得到若干个上网行为的分