双层聚类模型在日志数据分析中的应用

摘要：

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。

关键词：平行坐标、日志数据、聚类、自组织特征映射、模糊c-均值

分类号：TN929.53

资助基金：北京市科委项目Z131100001113034

在线出版日期：2015-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：63-66,71