面向網(wǎng)站分析的模糊C均值算法改進(jìn)研究.pdf

1、隨著聚類分析技術(shù)的不斷發(fā)展，網(wǎng)站分析已成為當(dāng)前人們關(guān)注的焦點(diǎn)。網(wǎng)站日志數(shù)據(jù)具有強(qiáng)大的功能和實(shí)用性，它能夠?qū)τ脩舻脑L問(wèn)行為進(jìn)行有效記錄，運(yùn)用高效的聚類算法可以挖掘出潛在的用戶行為規(guī)律，從而使得網(wǎng)站工作人員能夠及時(shí)對(duì)頁(yè)面結(jié)構(gòu)進(jìn)行調(diào)整和優(yōu)化，為用戶提供全面和個(gè)性化的服務(wù)，具有重要的意義。因此本文主要圍繞高效聚類算法和網(wǎng)站分析應(yīng)用這兩個(gè)方面進(jìn)行研究。
　　模糊C均值算法是應(yīng)用最廣泛的一種模糊聚類方法，它引入了隸屬度的概念，更加適合應(yīng)用于網(wǎng)

2、站分析中。本文在總結(jié)國(guó)內(nèi)外關(guān)于模糊C均值算法研究現(xiàn)狀的基礎(chǔ)上，深入研究了該算法主要存在的聚類數(shù)目難以確定和數(shù)據(jù)分布過(guò)于密集對(duì)聚類分析造成影響等不足，并在此基礎(chǔ)上提出改進(jìn)的模糊C均值算法，主要思路是:引入Canopy算法來(lái)生成有效的聚類數(shù)目和初始聚類中心，解決確定聚類數(shù)目困難和隨機(jī)初始聚類中心容易產(chǎn)生局部最優(yōu)解的問(wèn)題;將距離度量方法由歐幾里得距離改成馬哈拉諾比斯距離，消除數(shù)據(jù)密集分布不均勻的影響。網(wǎng)站分析具體是對(duì)網(wǎng)站日志數(shù)據(jù)的分析，本文采