双层聚类模型在日志数据分析中的应用 |
| |
引用本文: | 古恒,陈钊,王枞,张思悦,傅群超.双层聚类模型在日志数据分析中的应用[J].北京邮电大学学报,2015(1):63-66,71. |
| |
作者姓名: | 古恒 陈钊 王枞 张思悦 傅群超 |
| |
作者单位: | 北京邮电大学计算机学院;北京邮电大学可信分布式计算与服务教育部重点实验室;北京市政务信息安全应急处置中心;北京邮电大学软件学院 |
| |
基金项目: | 北京市科委项目(Z131100001113034) |
| |
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 |
本文献已被 CNKI 等数据库收录! |
|