Internet网站正在从“以网站为中心”向“以用户为中心”发展,因此Internet网站的发展趋势是个性化智能网站(Personalization Intelligent Web Site)。个性化智能网站应尽可能地迎合每个用户的浏览兴趣并且不断调整自己来适应用户浏览兴趣的变化。具体的说就是,任何一个网站的用户,当他在访问个性化智能网站时候,总有一种感觉,那就是:好像整个网站都是为他设计的,特别友好,一切都是那么有用,都是自己当前很感兴趣的东西,仿佛是自己的知音一般。针对目前Web网站多、信息量大而杂的情况,如何使用户在庞大的网络数据资源中很容易地找到自己真正需要的内容成为当前研究的重点和热点。目前,国内外对Web使用模式挖掘的研究主要集中在对用户浏览路径的研究上,其中,聚类技术常被用来分析网站浏览者对网页的浏览偏好。但是,传统聚类只能将每一使用者浏览路径归类于单一群组中,即事先假设每一个浏览路径只包含单一种偏好,却忽略同一使用者浏览路径可能包含多个网页偏好。为此,有学者将模糊聚类应用其中,但国内目前基本上都是使用基于模糊等价关系矩阵及图的模糊聚类方法。同时,在分析浏览路径相似程度方面,往往是根据网页距离来计算,当用户以完全不同的浏览路径来访问相同网页时,容易产生错误的分析结果。针对这种情况,本论文提出一个结合关联法则与目标函数模糊聚类技术的Web挖掘体系。论文中首先过滤浏览路径中可能造成分析误差的超链接网页,再利用关联法则计算网页之间的关联性,以网页关联法则置信度取代网页距离,在此基础上计算用户浏览路径之间的相似程度,最后则运用FC-MDE目标函数模糊聚类技术对浏览路径进行聚类,将具有相似浏览偏好的使用者浏览路径聚集成类,同时得到各类中访问频率高的目标网页。最后,初步实现了一个个性化智能推荐网站的设计。