聚類算法及其在校園網(wǎng)用戶行為分析中的應用.pdf

1、校園網(wǎng)作為互聯(lián)網(wǎng)的重要分支，其網(wǎng)絡用戶行為具有獨有的特性，盡管聚類算法在網(wǎng)絡用戶行為分析中的應用較為廣泛，但分析校園網(wǎng)用戶的會話行為數(shù)據(jù)時，仍存在一定的局限性。本文在研究聚類算法的基礎上，選取適用于校園網(wǎng)絡用戶行為分析的聚類算法，對其進行改進，并應用到校園網(wǎng)絡用戶行為分析中。
　　本研究主要內容包括：①研究聚類算法，包括經(jīng)典聚類算法和現(xiàn)有的改進算法，并對多種典型聚類算法的性能進行比較分析。②提出了基于最遠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改進算法。針對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方面對K-mediods算法進行改進，并分析改進算法時間復雜度。③提出了在輸入層增加降維層和基于權值變化的訓練停止條件的SOM改進算法。針對SOM算法不能直接應用到本文校園網(wǎng)絡用戶行為數(shù)據(jù)的分析中及其訓練停止條件的設置對收斂速度的影響，從輸入層模型和訓練停止兩個方面對SOM算法進行改進，并分析改進

3、算法時間復雜度。④實現(xiàn)了對Dr.com寬帶認證服務器端的日志記錄預處理。預處理操作包括數(shù)據(jù)清洗、數(shù)據(jù)提取、數(shù)據(jù)轉換及數(shù)據(jù)存儲。⑤完成了兩種改進算法的仿真實驗和性能對比分析，并應用于校園網(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)定性方面對兩種改進算法在應用中的性能進行驗證，分析不同維度數(shù)據(jù)集的聚類結果，獲得能夠反映校園網(wǎng)絡用戶上網(wǎng)行為的規(guī)律特征，總結兩種改進算法的特點。⑥實驗結果表明，本文K-mediods改進算法的