基于聚类的日志分析技术综述与展望

被引：13

作者：

梁晓雪 ^{[1
]}

王锋 ^{[2
]}

机构：

[1] 昆明理工大学云南省计算机技术应用重点实验室

[2] 昆明理工大学信息工程与自动化学院

来源：

云南大学学报(自然科学版) | 2009年 / 31(S1)卷 / 自然科学版期

关键词：

日志分析; 聚类; k-means;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

摘要：

针对聚类应用在日志分析中存在的主要问题,从聚类算法的选择标准、改进方向、性能分析3个方面探讨了k-means算法在该领域的研究成果.在此基础上论述了Web日志聚类相关技术以及今后的研究方向.

引用

收藏

页码：52 / 55

页数：4

相关论文

共 6 条

[1]

An improved TF-IDF approach for text classification [J].

Zhang Yun-tao ;

Gong Ling ;

Wang Yong-cheng .

Journal of Zhejiang University-SCIENCE A, 2005, 6 (1) :49-55

[2]

数据挖掘原理与算法.[M].邵峰晶;于忠清编著;.中国水利水电出版社.2003,

[3]

基于兴趣的用户聚类分析在入侵检测中的应用 [J].

张欣 ;

孙强 ;

张蕾 .

计算机工程与设计, 2008, (06) :1446-1449

[4]

一种新的Web日志聚类算法的研究与实现 [J].

王羽婷 ;

徐维祥 ;

张翼 ;

李华华 .

现代电子技术, 2007, (24) :139-142

[5]

模糊聚类分析最佳聚类数的确定方法研究 [J].

孙才志 ;

王敬东 ;

潘俊 .

模糊系统与数学, 2001, (01) :89-92

[6]

用改进的RPCL算法提取聚类的最佳数目 [J].

李昕 ;

郑宇 ;

江芳泽 .

上海大学学报(自然科学版), 1999, (05) :409-413