信息与电脑
信息與電腦
신식여전뇌
CHINA COMPUTER & COMMUNICATION
2015年
4期
10-11
,共2页
Web日志挖掘%K-平均%密度%自适应
Web日誌挖掘%K-平均%密度%自適應
Web일지알굴%K-평균%밀도%자괄응
针对目前面临的Web挖掘及个性化服务的主要挑战，研究了基本的聚类技术的K-平均算法，包括算法流程及其局限性。提出了改进的基于密度的自适应K-平均算法。其步骤包括初步分类和K均值迭代，以减少上述问题的影响，并提高聚类质量，最后通过Web日志上的聚类实验来验证其有效性。
針對目前麵臨的Web挖掘及箇性化服務的主要挑戰，研究瞭基本的聚類技術的K-平均算法，包括算法流程及其跼限性。提齣瞭改進的基于密度的自適應K-平均算法。其步驟包括初步分類和K均值迭代，以減少上述問題的影響，併提高聚類質量，最後通過Web日誌上的聚類實驗來驗證其有效性。
침대목전면림적Web알굴급개성화복무적주요도전，연구료기본적취류기술적K-평균산법，포괄산법류정급기국한성。제출료개진적기우밀도적자괄응K-평균산법。기보취포괄초보분류화K균치질대，이감소상술문제적영향，병제고취류질량，최후통과Web일지상적취류실험래험증기유효성。
