双层聚类模型在日志数据分析中的应用
提出了一种基于自组织特征映射( SOM)神经网络和模糊c-均值( FCM)的双层聚类方法,对Web日志中的日志数据集进行聚类。第一层是无监督SOM神经网络聚类方法,它所产生的类的个数大大减少了原始数据集的个数,降低了FCM对类初始中心点的依赖;然后利用FCM聚类算法的优势对第一层中产生的类的中心点进行聚类,从而大大减少了聚类的时间复杂度;最后通过平行坐标技术可视化展示聚类前后的日志数据集,方便对日志数据进行分析。
平行坐标、日志数据、聚类、自组织特征映射、模糊c-均值
TN929.53
北京市科委项目Z131100001113034
2015-08-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
63-66,71