資源描述：
《基于xml的web數(shù)據(jù)挖掘研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、南京理工大學(xué)碩士學(xué)位論文基于XML的Web數(shù)據(jù)挖掘研究姓名：汪平申請學(xué)位級別：碩士專業(yè)：控制理論與控制工程指導(dǎo)教師：王建宇20090608碩士論文基于XML的Web數(shù)據(jù)挖掘研究摘要Web數(shù)據(jù)挖掘是指利用數(shù)據(jù)挖掘技術(shù)從互聯(lián)網(wǎng)的海量數(shù)據(jù)中發(fā)現(xiàn)和提取信息，而目前互聯(lián)網(wǎng)上的數(shù)據(jù)信息沒有特定的模型，大多數(shù)是半結(jié)構(gòu)化的甚至是無結(jié)構(gòu)的數(shù)據(jù)，這給數(shù)據(jù)挖掘帶來了很大的麻煩。本文首先根據(jù)Web數(shù)據(jù)挖掘的特點(diǎn)以及XML在Web挖掘中的應(yīng)用，設(shè)計(jì)了一個基于XML的Web數(shù)據(jù)挖掘模型，描述了HTML格式的網(wǎng)頁文檔向XML文檔的轉(zhuǎn)化過程，分析了轉(zhuǎn)化過程中的關(guān)鍵技術(shù)，重點(diǎn)研究和探討了針對XML文檔數(shù)據(jù)集的數(shù)據(jù)挖掘問
2、題。其次，研究了Apriori關(guān)聯(lián)規(guī)則算法的基本理論與過程，分析了該算法的局限性。提出了一種基于事務(wù)長度分割數(shù)據(jù)集的改進(jìn)算法，實(shí)驗(yàn)結(jié)果證明，改進(jìn)算法提高了算法的效率。最后，詳細(xì)描述了k-means聚類算法的基本理論與過程，分析了該算法對初始中心點(diǎn)的依賴性，針對初始聚類中心點(diǎn)的選取方法作出了如下改進(jìn)：(1)提出了一種基于距離和聚類的孤立點(diǎn)檢測方法，該算法能有效檢測出所有的孤立點(diǎn)，從而避免了將孤立點(diǎn)誤選為初始中心點(diǎn)；(2)結(jié)合密度的思想，根據(jù)各中心點(diǎn)距離應(yīng)保持最大的原則對初始聚類中心點(diǎn)的選取作了改進(jìn)。實(shí)驗(yàn)結(jié)果證明，改進(jìn)算法提高了聚類的準(zhǔn)確率。關(guān)鍵詞：XML，Web數(shù)據(jù)挖掘模型，關(guān)聯(lián)規(guī)則，聚
3、類分析碩士論文AbstractWebDataMiningisaminingtechnologywhichdiscoverandretrieveinformationfromthe]nternet．Currently,thedatasontheInteracthavenOspecificmodel，mostofwhicharesemi—structuredorevenunstructureddata,whichbringdataminingagreatdealoftrouble．Firstofall，accordingtothecharacteristicsofwebdatamining
4、andtheapplicationofXMLinWebmining，thispaperdesignsaXlVIL-basedwebdataminingmodel，explainstheprocessofHTMLdocumentstransfonnedtoXMLdocumentsandanalyzesthekeytechnologyintheprocess．TheproblemofdataminingforXMLdocumentsaremainlydiscussedinthepaper．Secondly,thepaperresearchsthebasictheoryandtheproce
5、ssoftheApdoriassociationrulesalgorithm，analyzestheshortcomingsofthealgorithm，proposesallimprovedsegmentationalgorithmwhichbasedonthetransactionlength．TheexperimentshowsthatourmethodimprovesApriorialgorithmperformance．Finally,thepaperdescribesthebasictheoryandtheprocessofk-meansclusteringalgorith
6、mdetailedly,analyzesthealgorithm。SdependenceOiltheinitialc圮ntroids，makesomeimprovmentsasfollows：(1)Thepaperproposesanewmethodofexcludingisolatedpointwhichwillbeavoidedasinitialeentroids；(2)Accordingtotheideaofdensity,thepaperselectsinitialcentroidswhichshouldkeepthemaximumdistance．Theexperiments
7、howsthatOLll"methodgetbetterresults．KeyWords：XML，Webdataminingmodel，Apriofi，k-meansⅡ聲明本學(xué)位論文是我在導(dǎo)師的指導(dǎo)下取得的研究成果，盡我所知，在本學(xué)位論文中，除了加以標(biāo)注和致謝的部分外，不包含其他人已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得任何教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。與我一同工作的同事對本學(xué)位論文做出的貢獻(xiàn)均已在論文中作了明確的說明。研究生簽名：—
