融合多重模糊矩_sofm的web日志挖掘研究.pdf

摘要 摘要 本文首先对Web日志挖掘的发展现状及存在的问题进行了系统性阐述，按 Web日志挖掘的流程及相关技术进行了介绍和探讨。重点分析和研究了Web日 志数据预处理、聚类分析技术以及算法等Web日志挖掘关键技术。 本文较为详细地阐述了模糊聚类理论、自组织神经网络算法的基本原理。 并分别就模糊多重矩阵、自组织神经网络训练和聚类算法等问题加以讨论。 研究Web用户访问模式挖掘，一般都是利用单一算法，考虑用户访问页面 的单一属性，使用户访问模式结果具有一定的片面性、不合理性。以此为依据， 为了更好地提高Web用户访问模式挖掘的准确率，降低挖掘用户访问模式的运 行时间，本文提出一种基于多重模糊矩阵SOFM的Web用户访问模式挖掘算法， 在综合考虑用户访问Web页面的多种评价因素的情况下，构造多重模糊矩阵， 较好的融合多个关联SOFM神经网络对多重评价因素进行学习训练，更加准确 的、科学的挖掘WEB用户访问模式，同时通过自组织神经网络实现模糊矩阵的 降维操作，加快模型的运行速度，增加模型的抗干扰、抗噪声功能。 实验结果表明，本文提出的多重模糊矩阵一SOFM的Web用户访问模式挖掘 模型，一定程度上提高了WEB用户访问模式挖掘的精确度和运行效率，是一种 良好的WEB用户访问模式挖掘方法。 最后，对本文取得的成果以及不足进行了总结，并对下一步的研究工作进 行了展望。 关键词：Web日志挖掘：模糊多重矩阵；关联自组织神经网络；评价因素 ABSTRACT ABSTRACT situationofWeb and Inthis miningexistingproblems developed log paper,the were toWeb andrelated elaborated，accordinglogminingprocess systematically oftheWeb on andresearch areintroducedanddiscussed．Focus technologies analysis asWeb data and such log technologyalgorithm log preprocessing，clusteringanalysis technologies． miningkey studiedthe of This summed and fuzzy paper upsystematically theory clustering， network’S thebasic of neural self-organizing principles suchas