聚类算法在高校网络用户行为分析中的应用.docVIP

聚类算法在高校网络用户行为分析中的应用 　　摘 要： 高校网络管理部门在运行管理过程中积累了大量用户上网行为数据，对用户上网行为进行整理分析将能掌握用户上网习惯、规律，科学有效地制定上网管理策略。以一具体高校为例，通过对用户上网数据进行预处理，抽取相应字段构建分析数据集，通过图表形式对上网登录时间进行统计展示。以上网时长为指标值，分别使用K-均值聚类与Kohonen神经网络聚类方法对上网记录进行聚类分析，得到聚类结果。结合用户信息，以用户与上网记录的对应准则作为判断聚类效果的准则，对两种聚类方式得到的结果进行比较，选择合适的结果。结合计算结果对实验单位的上网情况进行分析，对上网管理策略提出建议。 　　关键词： Kohonen神经网络； 高校网络管理； 上网行为； 上网管理策略 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2016）07?0029?04 　　Abstract： The network management departments in universities have accumulated users′ mass online behavior data in ope?ration management process， which can master users′ online habit and regular pattern by reorganizing and analyzing the users′ online behavior， and formulate the online management strategy scientifically and effectively. A specific college is taken as the example， the users′ online data is preprocessed， and corresponding field is extracted to built the analysis dataset. The online login time is showed in graphic form after statistics. By taking online time as the index value， the clustering analysis for the online record is conducted with K?means clustering and Kohonen neural network clustering methods to obtain the clustering results. In combination with the user information， the results obtained from the two clustering methods are compared by taking corresponding criterion of user and online record as the criterion to judge the clustering effect， and the suitable result is selected. The online condition of the experimental unit is analyzed with the computed results to propose some suggestions for online management strategy. 　　Keywords： Kohonen neural network； university network management； online behavior； online management strategy 　　0 引 言 　　信息技术的高速发展，不但对人们的生产生活产生了巨大的影响，同时也给传统的学校教育带来了很大的冲击[1]。随着互联网应用的普及，网络用户数量快速增加。对国内高校而言，互联网已成为学校师生学习、工作、生活的基本需求，网络用户几乎覆盖了学校100%的人员。高校用户具有知识性强，使用互联网积极性高，信息交互量大等特点，对联网速率、网络稳定性都提出了较高要求。而由于我国高校网络用户连接互联网大多通过学校统一网络管理部门出口连接互联网，对高校而言，互联网出口带宽是有限的，网络管理部门在响应用户的上网需求时，有较大压力。为解决相关问题，各高校网络管理部门也采取了一定措施。一方面，通过技术手段优化学校网络结构，升级网络设