随着网络技术的发展,互联网用户量日益增加,Web日志量也随之变大。如何高效准确的从这些Web日志中挖掘出隐藏的商业信息,为用户提供更高质量的服务,成为了一个重要的研究方向。基于此,本文研究内容有以下几方面:1)基于模拟退火机制和轮盘赌策略的PSO-KMeans算法。针对PSO算法容易收敛于局部最优的问题,引入模拟退火机制和轮盘赌策略,优化传统的PSO算法,用优化后的PSO算法对K-Means算法的初始聚类中心选取进行选取,提高算法的稳定性和准确率。2)BAS-FCM算法。传统的FCM算法容易受初始聚类中心的影响,收敛于局部最优。针对这个问题,将天牛须算法(BAS)引入到FCM算法中。首先,采用一种基于logistic模型的方式对BAS算法的步长进行优化。最后,利用BAS全局寻优的能力对FCM算法中聚类中心的更新进行控制,从而达到优化的目的。3)基于Hadoop的Web日志聚类系统研究。包括基于Hadoop的Web日志预处理模块和Web日志聚类模块。Web日志聚类是将改进后的算法运用到Web日志聚类中,分为两部分,一是将改进后的PSO-KMeans算法与Hadoop相结合;二是将BASFCM算法与Hadoop相结合。本文对Web日志预处理、PSO-KMeans算法和FCM算法做出优化,通过实验对比,优化后的Web日志聚类算法在效率和稳定性方面都有很大的提升。优化后的PSOKMeans算法在效率上高于BAS-FCM算法,但BAS-FCM算法准确率优于改进的PSO-KMeans算法的,因此,用户可以根据需求选择使用哪种算法。