全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

双层聚类模型在日志数据分析中的应用

DOI: 10.13190/j.jbupt.2015.增.015

Keywords: 平行坐标,日志数据,聚类,自组织特征映射,模糊c-均值

Full-Text   Cite this paper   Add to My Lib

Abstract:

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.

References

[1]  Lingras P, West C. Interval set clustering of web users with rough k-means[J]. Journal of Intelligent Information Systems, 2004, 23(1): 5-16.
[2]  De S, Krishna P. Clustering web transactions using rough approximation[J]. Fuzzy Sets and Systems, 2004, 148(1): 131-138.
[3]  Kohonen T. Self-organizing maps[M]. 2nd ed. Berlin: Springer-Verlag, 1997.
[4]  Bezdek J, Pal N. Some new indexes for cluster validity[J]. IEEE Transactions on Systems, Manand Cybernetics: Part B, 1998, 28(3): 301-315.
[5]  Inselberg A, Dimsdale B. Parallel coordinates: a tool for visualizing multi-dimensional geometry[C]//The 1st IEEE Conf on Visualization. San Francisco: IEEE, 1990: 361-378.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133