研究生學(xué)位選題報(bào)告匯編

研究生學(xué)位論文選題報(bào)告研究課題：密度聚類算法研究研究者：XX指導(dǎo)老師：XXX（教授）研究生學(xué)位論文選題報(bào)告論文構(gòu)造1、選題依據(jù)2、研究?jī)?nèi)容3、可行性分析4、研究創(chuàng)新點(diǎn)進(jìn)度安排選題依據(jù)研究意義

隨著信息技術(shù)的發(fā)展，人們積累了越來(lái)越多的音、視頻數(shù)據(jù)，以及文本，圖片等數(shù)據(jù)，為了從這些海量數(shù)據(jù)中查找，提取有用信息，出現(xiàn)了數(shù)據(jù)挖掘技術(shù)。聚類作為數(shù)據(jù)挖掘的重要技術(shù)之一，在機(jī)器學(xué)習(xí)、工程學(xué)、神經(jīng)網(wǎng)絡(luò)、生物學(xué)、統(tǒng)計(jì)學(xué)、地球科學(xué)以及社會(huì)科學(xué)和經(jīng)濟(jì)學(xué)等許多領(lǐng)域起著越來(lái)越重要的作用。

現(xiàn)實(shí)世界中的事物大多都具有密度不均勻這一特征，而上述的密度聚類算法由于缺乏處理不同密度聚類的能力，在分析含有不同密度聚類的數(shù)據(jù)集時(shí)效果往往不能令人滿意，難以解決實(shí)際問(wèn)題。因此，密度不均勻數(shù)據(jù)集聚類方法的研究己成為基于密度聚類算法的焦點(diǎn)研究課題。選題依據(jù)國(guó)內(nèi)外研究現(xiàn)狀

近年來(lái)，聚類分析技術(shù)向處理高維度的海量數(shù)據(jù)的方向發(fā)展，例如三維模型特征值數(shù)據(jù)。數(shù)據(jù)維度的增長(zhǎng)導(dǎo)致聚類效果的惡化，為此要考慮在聚類分析中結(jié)合降維技術(shù)降低數(shù)據(jù)維數(shù)。對(duì)于海量數(shù)據(jù)，則需降低聚類算法復(fù)雜度或采用抽樣技術(shù)。另一個(gè)重要研究方向是聚類技術(shù)與離群點(diǎn)識(shí)別技術(shù)結(jié)合。此外，由于一般用戶難以理解和接受復(fù)雜的聚類分析算法，而可視化技術(shù)可以以其直觀性來(lái)彌補(bǔ)這一缺陷，使用戶從可視化的角度更直觀地理解數(shù)據(jù)分析和聚類分析整個(gè)過(guò)程，因此也得到了進(jìn)一步發(fā)展。但是對(duì)比實(shí)際應(yīng)用的需求，這些算法在生成聚類質(zhì)量、執(zhí)行效率、可伸縮性、處理不同類型屬性的能力、發(fā)現(xiàn)任意形狀的簇、用于決定輸入?yún)?shù)的領(lǐng)域知識(shí)最小化、對(duì)于輸入記錄順序不敏感、高維性、處理噪聲數(shù)據(jù)的能力、基于約束的聚類、可解釋性和可用性等多個(gè)方面仍有待改進(jìn)。因此，研究并設(shè)計(jì)有效的聚類分析算法仍然是一個(gè)具有挑戰(zhàn)性的問(wèn)題。研究?jī)?nèi)容

在快速聚類法的條件下研究不同形狀、不同層次以及各種規(guī)模樣本的聚類效果，通過(guò)結(jié)果分析快速聚類的優(yōu)點(diǎn)以及它的不足之處。1

在密度聚類算法的基礎(chǔ)上分別研究DBSCAN、OPTICS與DENCLUE三種聚類算法對(duì)不同形狀、不同層次以及不同規(guī)模樣本的聚類效果，通過(guò)研究結(jié)果分析密度聚類算法的優(yōu)勢(shì)以及存在的不足。2

提出一種新的相對(duì)于密度的快速聚類算法,使得該算法克服相對(duì)密度算法速度較慢以及快速聚類算法密度不均勻出現(xiàn)錯(cuò)誤結(jié)果的缺點(diǎn)，最后將該算法與其他一些密度算法在性能上做比較。3研究?jī)?nèi)容（技術(shù)路線）研究背景研究背景研究目的聚類算法的研究現(xiàn)狀理論分析基于密度的快速聚類法理論基礎(chǔ)快速聚類法的基本思想密度聚類法的基本思想快速密度聚類法方法闡述模型建立相關(guān)定義證明新算法公式推導(dǎo)模型建立可行性研究理論方面硬件設(shè)施方面軟件方面（程序編寫）可行性研究實(shí)驗(yàn)?zāi)M理論模擬Matlab產(chǎn)生樣本新算法現(xiàn)實(shí)數(shù)據(jù)模擬礦產(chǎn)采樣數(shù)據(jù)礦產(chǎn)分布形狀及及存量預(yù)測(cè)真實(shí)分布、儲(chǔ)量新算法快速聚類密度算法比較快速聚類密度聚類比較結(jié)論最終結(jié)論模型的改進(jìn)方向模型的應(yīng)用前景可行性研究硬件設(shè)施1、一直研究密度聚類2、參考了大量國(guó)內(nèi)外與聚類相關(guān)的文章3、導(dǎo)師指導(dǎo)4、有一定的軟件編程能力惠普PCz600機(jī)一臺(tái)：i3處理器6G內(nèi)存。研究環(huán)境研究創(chuàng)新點(diǎn)1、提出的算法適應(yīng)各種樣本規(guī)模2、提出的算法不受樣本分布形狀、層次方面的影響3、自動(dòng)確定聚類數(shù)目與初始聚類中心進(jìn)度安排查閱、下載并整理論文資料2015.11-2016.32015.5-2015.112015.1-2015.5