Bisecting K-Means for Clustering Web Log data

Abstract

Web usage mining is the area of web mining which deals with extraction of useful knowledge from web log information produced by web servers. One of the most important tasks of Web Usage Mining (WUM) is web user clustering which forms groups of users exhibiting similar interests or similar browsing patterns. This paper presents results of clustering techniques for Web log data using K-means and Bisecting K-means algorithm. Clusters are formed with respect to similar IP address and packet combinations. The clustering framework is further used as an approach for intrusion detection from the log files. The system is trained first by labeling the classes and then tested to check for any intrusions. Recommendation output is generated which help in classifying the whether the input IP's are "safe" or "infected".Comparison of both algorithms is done and performance is evaluated with respect to time and accuracy. From the experimental results, it is found that Bisecting K-means overcomes the major drawbacks of basic K-means algorithm.

Driver Behavior Classification at Stop-Controlled Intersections Using Video-Based Trajectory Data

“…In this research, we propose to apply an improved variant of the K-means clustering method, the bisecting K-means algorithm, to explore and categorize the vehicle stopping behavior at a stop sign. The bisecting K-means algorithm is a partitional unsupervised learning algorithm designed to classify large data into subsets, such that the data within each subset share the largest common trait [43]. Its clustering objective is to minimize the distance between every data point and the center of the corresponding cluster.…”

Customer segmentation using bisecting k-means algorithm based on recency, frequency, and monetary (RFM) model

“…Proses data mining menggunakan algoritma ini bertujuan untuk mengelompokan data ke dalam setiap klaster (clustering) yang sesuai dengan titik pusat (centroid) dari masing masing klaster. Algoritme ini telah digunakan untuk mengetahui pola perilaku pengunjung halaman situs web dalam [18]. Algoritme bisecting kmeans juga diterapkan dalam menentukan segmentasi warna gambar untuk menghasilkan analisis gambar yang akurat [19].…”

“…Algoritme bisecting kmeans juga diterapkan dalam menentukan segmentasi warna gambar untuk menghasilkan analisis gambar yang akurat [19]. Algoritme bisecting k-means telah teruji lebih baik daripada metode standar k-means karena memiliki waktu komputasi yang cepat [18]. Lebih lanjut, algoritme ini lebih baik dari metode pendekatan klaster hirarkis untuk tiga metode pengukuran kualitas klaster, yaitu entropy, f-measure dan overall similarity [20].…”

“…Keunggulan bisecting kmeans ini sesuai dengan [20] yang mengukur perbandingan algoritme menggunakan parameter entropy, f-measure, dan overall similarity. Pengujian lain perlu dilakukan untuk mendapatkan analisis kinerja algoritme bisecting k-means dengan parameter RFM, misalnya waktu komputasi seperti dalam [18].…”

“…Hal ini menunjukkan bahwa algoritme bisecting k-means mampu membentuk segmentasi pelanggan secara objektif karena jumlah klaster k tidak ditentukan terlebih dahulu sesuai [19]. Model RFM telah berhasil diterapkan, seperti halnya dalam [2]- [6], untuk segmentasi pelanggan menggunakan algoritme bisecting k-means dalam [18]- [20]. Hasil segmentasi ini dapat membantu perusahaan untuk meningkatkan layanannya sesuai [1], misalnya menawarkan produk dan layanan baru untuk jenis pelanggan Gold, memberikan diskon atau promosi kepada jenis pelanggan Typical, dan menjalankan kampanye pemasaran kesadaran merek (brand awareness) dengan target jenis pelanggan Occasional.…”