基于双层聚类方法的网页推荐模型

研究web用户访问模式的聚类问题,提出了双层的用户访问模式的聚类方法.第一层采用简单易实现的LVQ(学习向量量化)神经网络方法对日志中的用户访问模式进行简单聚类,在第二层的聚类中,采用加权的模糊c-均值的方法对第一层的聚类结果进行聚类.最后根据聚类结果产生描述该类用户行为的加权访问模式,并以此作为网页推荐依据.实验结果验证了该算法的有效性和可行性.

基于模糊理论的远程教育网站自调整策略

互联网应用和信息技术在教育领域的高速发展,使得人们不再局限于传统的教室学习,数字图书馆和基于Web与多媒体技术的远程教育模式得到了迅速推广。建立反映学习状况水平的个性化学习网站对于远程教育有着重要意义,是一个新的研究领域。本文将模糊理论运用到远程教育网站的服务模型中,使网站具有自我调整的功能,能够为学生提供一个良好的学习平台。文中提出了一种自调整的远程教育网站的体系结构和改进的CA算法。