基于改进PrefixSpan算法的移动Web序列模式挖掘

随着移动商务的迅速发展,移动用户面临的带宽限制和信息贫乏问题也日益凸显。Web使用挖掘通过对用户访问Web时在服务器留下的访问记录进行挖掘,在海量Web日志数据中自动、快速地发现用户访问序列模式。通过模式分析向移动用户推荐其感兴趣的内容。论文在比较几种常用序列模式挖掘算法的基础上,着重对PrefixSpan算法进行了研究和优化。     

聚类挖掘在电子商务中的应用

阐述了在电子商务系统中的研究和应用中,利用基于关联规则的多层次、超图分割聚类方法,对Web网页和用户进行有效聚类。该方法借助网站层次图,可以根据实际需要,在各个层次上进行聚类分析,仅将高度相关的网页和用户聚在同一类,而将关联性较小的网页排除在聚类外。     

数据挖掘中聚类算法研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行展望。     

Web服务发现中的服务聚类技术研究

本文首先总结和分析现有Web服务发现中使用的聚类技术,在此基础上提出了一种基于语义聚类算法的两阶段Web服务发现机制。     

基于改进K-Means算法的电商用户聚类分析和应用研究

随着电子商务的快速发展,用户之间异质性逐渐明显。为了对用户合理细分,本文通过逐次递进的思想,借助经典RFM模型中的关键指标,选择最后购买时间R作聚类簇类的控制因素。借助改进的K-Means算法对电商企业用户进行聚类研究,从而得到合理的聚类分类结果及各簇类用户的特征行为,为电子商务企业的精准营销奠定了基础。     

基于谱聚类的用户关联关系挖掘

为了从用户地理空间分布数据中挖掘用户间关联关系,提出了一种基于谱聚类的关联关系挖掘算法。首先定义了关联度,用以衡量用户之间空间分布的相似性,基于关联度构造相似矩阵,再利用谱聚类方法对用户进行聚类分析,聚类结果表征了用户的关联关系。采用Silhouette指标和聚类准确率来衡量用户关系挖掘质量,同时与传统的K-Means方法进行了比较,通过真实数据集实验,结果表明该算法在实验数据集上能达到90%以上的聚类准确率,证明方法有效、可行。     

基于web日志数据挖掘的电子商务推荐系统

Web数据挖掘是从Web文档和Web活动中发现并抽取感兴趣的、潜在的有用模式和隐藏的信息。基于Web数据挖掘的电子商务推荐系统可以满足电子商务未来发展趋势的需要。在本文中依据效率和准确性,建立了一个推荐系统模型,并对系统中各个模块功能及它们之间相互协调工作做了详细的描述;深入研究了电子商务推荐系统所使用的推荐算法,重点讨论了目前使用最为广泛的协同过滤推荐算法;在上述研究的基础上设计了基于聚类的协同过滤推荐系统,并对k-means聚类算法进行了改进;给出了系统试验结果,并对结果做出解释和评价。     

搭建政务内网门户平台创建服务型武汉市政府

一、前言 武汉市电子政务内网门户支持集中式和分布式政府行政审批业务的需求,既能满足信息化发展水平不高的业务部门的集中审批需求,又能满足信息化程度比较高的业务部门与其业务系统整合的要求。 内网门户包括用户可以公开访问的部分,和需要受控访问的内容。如果用户访问的是公开Web服务,可通过公开的Web服务模块直接返回响应信息。如果用户访问的是受控Web服务,则需要首先由接入认证网关进行身份认证,如果验证通过,接入认证网关允许用户对受控Web服务进行访问。     

Web挖掘在电子商务系统中的应用

本文阐述了在电子商务应用中,利用Web挖掘技术,有效地将用户访问过程中的数据记录到日志文件中,并对日志文件进行有效地分析和挖掘;利用Apriori改进算法FT-树增长算法,找出对电子商务系统有指导作用的关联规律。     

一种加权聚类划分决策树算法

针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题，提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重，并将权重用于树结点中数据的聚类过程，使用分簇结果对结点进行多路划分，得到可直接用于多分类问题的决策树。理论分析和实验结果表明，该算法与经典轴平行决策树相比，拥有更好的泛化能力以及相近的算法时间复杂度，与大部分斜决策树相比，在付出更少计算代价的前提下，获得了近似的正确率以及模型简洁度。     

基于NeiMu的雷达信号聚类分选

针对雷达信号分选中常见的聚类数目难确定、数据簇形状识别、异常数据敏感等问题，提出了基于NeiMu(Neighboring Mutually)的雷达信号聚类分选算法。该算法首先以信号脉冲为点、各点间的欧氏距离为线构建距离矩阵，然后在进行干扰数据剔除的情况下选定合适k值完成聚类矩阵的构建，最后采取遍历聚类矩阵的方法输出聚类结果，在删除无效的聚类后实现了雷达信号的聚类分选。通过仿真可知该算法在选取合适k值的情况下具有极高的正确率，证明了其有效性和可靠性。     

K-means改进算法在电力企业同业对标中的应用

在电力企业同业对标管理中,K-means聚类算法作为一种无监督分类算法,无需任何先验知识就能够实现对企业的分类功能,确立标杆企业。但是,K-means算法的聚类数目k和初始聚类中心都需要人为事先给出。为了解决这些不足,提出了一种对K-means聚类改进算法:先分别通过两阶聚类法和最大距离法确定聚类数目和初始聚类中心,然后再使用K-means算法完成聚类。通过实例表明此算法可以选出优秀企业,并能发现其他企业与标杆企业之间的差距。     

Web挖掘在电子商务系统中的应用

本文阐述了在电子商务应用中，利用Web挖掘技术，有效地将用户访问过程中的数据记录到日志文件中，并对日志文件进行有效地分析和挖掘；利用Apriori改进算法FT-树增长算法，找出对电子商务系统有指导作用的关联规律。     

基于余弦相识度的聚类算法在统计调查对象分类中的应用研究

对统计数据的研究往往采用无监督学习的聚类算法,而基于欧式距离的常规聚类算法不太适合统计数据,文章将常用于文本相似度计算的余弦相似度算法与聚类算法相结合,形成基于图形相似度的模糊识别算法,采用统计月度数据进行实验测试,证明能够实现企业分类,达到了研究目标。     

基于聚类算法的电子商务日志挖掘商业智能研究

当前电商网站对用户的争夺成为决定其在市场竞争中成败的关键。而如何快速获取并分析出用户的兴趣点,则是能否有效吸引并维持客户的重要技术手段。用户兴趣点的来源为电商网站的Web日志,本文针对电商网站的访问日志数据,提出了一种改进的有效指数K-Means算法,建立页面兴趣矩阵,并进行了相关的实验验证分析。实验证明了算法的科学性与正确性,且具有较高的计算效率,可以较好地应用于Web日志的挖掘分析中。     

应用K-means聚类的分布式多传感器航迹关联算法

针对分布式多传感器航迹关联的特点,考虑采用K-means聚类的航迹关联算法。将来自各传感器的局部航迹与系统航迹进行关联,并将系统航迹作为初始聚类中心,避免了K-means算法本身依赖初始值的缺陷;提出将系统航迹与局部航迹的欧式距离以及其状态向量在1范数下的距离之和作为相似度测度;设定距离门限值,减少了极端数据对聚类结果的影响,并增加多义性处理。蒙特卡洛仿真实验表明,该算法在目标密集并且目标有交叉的情况下能以较小的代价得到较高的平均正确关联率。同时,该算法克服了最近邻域法的局部最优特性和关联正确率高度依赖特征阈值等局限性。     

基于时间序列聚类的多雷达数据融合

针对多雷达数据融合问题,提出了基于时间序列的聚类算法,用于实现航迹相关,即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时,部分来自不同目标的数据可能比来自同一目标的数据更接近,易导致关联错误,为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果,应用卡尔曼滤波器实现滤波跟踪,在不同的情况下仿真后发现,在跟踪目标较少且相互位置较远的情况下,两种算法均有效,在跟踪目标较多且相互位置靠近的情况下,基于时间序列的模糊聚类算法更有效。     

基于用户兴趣的分组模型在电子图书馆检索中的应用研究

本文针对教育系统中的电子图书馆检索,提出了一个基于用户兴趣的分组模型。通过为电子图书馆访问用户划分不同的组,实现有的放矢的资源检索。论文采用LINGO聚簇算法进行资源主题的提取,然后通过相似度匹配的方式进行用户分组调整,以实现准确高效的电子信息资源检索。     

Web挖掘在电子商务中的应用探讨

顾客对电子商务网站的访问行为产生了大量数据,这些数据中包含了很多对市场分析及预测有用的潜在信息,可以运用Web数据挖掘技术,从用户的浏览行为数据中获取用户的访问模式,从而开展个性化的信息服务和有针对性的电子商务活动和构建智能化电子商务站点。本文系统分析了Web挖掘的过程和关键技术,探讨了Web挖掘在电子商务中的应用模式。     

动态合并聚类算法及其在城市科技创新能力评价中的应用

聚类分析是数据挖掘中研究和应用的一个重要部分,层次聚类是目前应用最为广泛的一种聚类方法。本文针对层次聚类不可逆,需要用户指定所期望得到的聚类个数和阈值作为聚类过程的终止条件等缺陷,提出了一种利用簇间差异度进行簇自动合并的动态聚类算法(DMCA),进而对江苏省13个地市技术创新能力做出了聚类分析及综合评价,验证了方法的可行性和有效性。数据处理结果表明,该方法可为相关管理部门提供科学量化的决策评价模型。