聚類算法及其在校園網(wǎng)用戶行為分析中的應(yīng)用.pdf

1、校園網(wǎng)作為互聯(lián)網(wǎng)的重要分支，其網(wǎng)絡(luò)用戶行為具有獨(dú)有的特性，盡管聚類算法在網(wǎng)絡(luò)用戶行為分析中的應(yīng)用較為廣泛，但分析校園網(wǎng)用戶的會(huì)話行為數(shù)據(jù)時(shí)，仍存在一定的局限性。本文在研究聚類算法的基礎(chǔ)上，選取適用于校園網(wǎng)絡(luò)用戶行為分析的聚類算法，對(duì)其進(jìn)行改進(jìn)，并應(yīng)用到校園網(wǎng)絡(luò)用戶行為分析中。
　　本研究主要內(nèi)容包括：①研究聚類算法，包括經(jīng)典聚類算法和現(xiàn)有的改進(jìn)算法，并對(duì)多種典型聚類算法的性能進(jìn)行比較分析。②提出了基于最遠(yuǎn)距離選取初始聚類中心和聚類

2、中心迭代局部搜索策略的K-mediods改進(jìn)算法。針對(duì)K-mediods算法依賴初始中心和收斂速度較慢的缺陷，從初始中心選取和迭代搜索策略兩個(gè)方面對(duì)K-mediods算法進(jìn)行改進(jìn)，并分析改進(jìn)算法時(shí)間復(fù)雜度。③提出了在輸入層增加降維層和基于權(quán)值變化的訓(xùn)練停止條件的SOM改進(jìn)算法。針對(duì)SOM算法不能直接應(yīng)用到本文校園網(wǎng)絡(luò)用戶行為數(shù)據(jù)的分析中及其訓(xùn)練停止條件的設(shè)置對(duì)收斂速度的影響，從輸入層模型和訓(xùn)練停止兩個(gè)方面對(duì)SOM算法進(jìn)行改進(jìn)，并分析改進(jìn)

3、算法時(shí)間復(fù)雜度。④實(shí)現(xiàn)了對(duì)Dr.com寬帶認(rèn)證服務(wù)器端的日志記錄預(yù)處理。預(yù)處理操作包括數(shù)據(jù)清洗、數(shù)據(jù)提取、數(shù)據(jù)轉(zhuǎn)換及數(shù)據(jù)存儲(chǔ)。⑤完成了兩種改進(jìn)算法的仿真實(shí)驗(yàn)和性能對(duì)比分析，并應(yīng)用于校園網(wǎng)用戶行為分析中，獲得了校園網(wǎng)用戶上網(wǎng)行為規(guī)律。從算法有效性及穩(wěn)定性方面對(duì)兩種改進(jìn)算法在應(yīng)用中的性能進(jìn)行驗(yàn)證，分析不同維度數(shù)據(jù)集的聚類結(jié)果，獲得能夠反映校園網(wǎng)絡(luò)用戶上網(wǎng)行為的規(guī)律特征，總結(jié)兩種改進(jìn)算法的特點(diǎn)。⑥實(shí)驗(yàn)結(jié)果表明，本文K-mediods改進(jìn)算法的