论文研究直方图加权的FCM聚类算法研究 .pdf

基于聚类算法的Web日志挖掘，徐翔，谢东亮，随着互联网的迅速发展，WWW网站中的日志信息现已呈现出爆炸式增长趋势。为了能充分挖掘Web日志中潜在的有效信息，本文提出一种Web日

模糊C均值算法（FuzzyC-Means，FCM）是目前应用比较广泛的一种聚类算法。FCM算法的聚类质量依赖于初始聚类中心的选择并且易陷入局部极值，结合混合蛙跳算法（ShuffledFrogLeapi

首先总结了链接挖掘中基于属性—链接聚类算法的研究现状；然后把它大体分为三类，对每一类中具有代表性的算法进行了详细介绍、分析和评价；最后指出了该领域进一步的研究方向。

由于现有的Web日志缺少明显语义，提出一种语义Web日志模型——SWLM，并给出基于该模型的网页和用户聚类算法。通过日志概念的语义距离定量计算来聚类网页和用户，奠定了Web个性化服务的基础。性能测试实

聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。全面总结了数据挖掘中聚类算法的研究现状，分析比较了它们的性能差异和各自存在的优点及问题，并结合多媒体领域的应用需求指出了其今后的发展趋势。

为了提高传统CURE（clusteringusingrepresentatives）聚类算法的质量，引入信息熵对其进行改进。该算法使用K-means算法对样本数据集进行预聚类；采用基于信息熵的相似性度

针对K-means算法处理海量数据存在严重的内存不足，提出利用MapReduce并行化K-means，但是普通的K均值存在收敛速度慢、易陷入局部最优和对初始聚类中心的选取等局限性，因此选择了经ACO改

基于用户会话的页面聚类算法旨在发现用户在浏览过程中频繁访问的页组，为站点管理员优化站点结构提供有力的依据。将介绍一种改进的基于频繁访问页组的路径聚类算法K-PathPlus，其中定义了新的兴趣度、内容

针对现有的大众分类中标签模糊导致影响用户搜索效率的问题,使用概率潜在语义索引(probabilisticlatentsemanticindexing,PLSI)模型对标签进行潜在语义分析,经回火期望最

聚类算法的性能与数据集的结构是密切相关的，虽然目前已经研究出了很多聚类算法，但没有普遍适用的万能聚类算法，欠缺对数据集结构的有效解释。对聚类分析过程中重要的关键性问题，即聚类趋势问题进行了系统性的研究