論文開題報告空間聚類(文件)
【正文】 體數(shù)據(jù)集中發(fā)現(xiàn)隱含的信息或知識。 1 二、選題依據(jù)1．選題的來源、目的和意義u 選題的來源：空間數(shù)據(jù)表示的基本任務(wù)，就是將以圖形模擬的空間物體表示成計算機能夠接受的數(shù)字形式。矢量模型將地理空間看成一個空域，地理要素存在其間。聚類分析是人類的一個重要行為。相異度是根據(jù)描述對象的屬性值來計算的，距離是經(jīng)常采用的度量方式。例如：公共設(shè)施的建立一般的說是根據(jù)居民點群的分布，而不是具體的居民住宅的分布來布置的，因此需要對居民點群進行聚類分析以形成若干居民點子群，這樣便于簡化問題，突出重點?？臻g聚類分析是揭示空間實體的群體定位特征的常用方法之一。例如,WaveCluster和DENCLUE等。但是這些算法只能解決其中的一個或兩個問題，并不能解決以上三個問題。例如在市場分析中，聚類能夠幫助市場分析人員從客戶的基本信息中獲取各類不同的用戶群，從而指導(dǎo)市場營銷的策略；在模式識別上，通過聚類可以提取不同模式之間的共性特征，然后利用這些特征，用于識別同類模式和不同類模式；在生物信息學(xué)中，聚類可以指導(dǎo)生物的分類，可以通過對基因進行分類，獲取對不同種群生物的特征的認識。評價聚類分析的能力主要有六個衡量標準：（1）處理大量數(shù)據(jù)的能力，許多算法在小于200個數(shù)據(jù)對象的小數(shù)據(jù)集合上工作很好，但是隨著數(shù)據(jù)對象的增加，這些聚類算法的處理能力就會下降，因此一個好的聚類方法需要處理大量數(shù)據(jù)集合。（5）處理高維數(shù)據(jù)的能力，當前的數(shù)據(jù)集合具有各類不同屬性，這就使得數(shù)據(jù)處于高維空間中，人們對于三維以下的數(shù)據(jù)聚類情況能夠較好的判別聚類結(jié)果的好壞，但是在高維情況下，考慮到數(shù)據(jù)分布可能很稀疏，而且高度傾斜，所以聚類這樣的數(shù)據(jù)對象是一個具有挑戰(zhàn)性的課題。2． 選用不同的聚類算法對空間數(shù)據(jù)（分為地理數(shù)據(jù)和屬性數(shù)據(jù)）聚類。u 研究內(nèi)容：1． 主要的聚類方法。5． 對同一空間數(shù)據(jù)選用不同的聚類算法比較聚類結(jié)果得到最優(yōu)算法。首先熟悉基本概念和相關(guān)背景，接著收集和整理已有的聚類方法，包括每種聚類方法適用的數(shù)據(jù)類型、聚類能力和聚類效果等，接下來，將空間數(shù)據(jù)分為矢量數(shù)據(jù)和屬性數(shù)據(jù)，針對它們不同的特性分別選用較為合適的聚類方法進行聚類，并比較聚類結(jié)果進而得到最優(yōu)解，最后，設(shè)計和實現(xiàn)數(shù)據(jù)聚類儀。比較用不同的聚類方法得到的聚類結(jié)果，得到不同數(shù)據(jù)的最優(yōu)聚類方法。在用經(jīng)典的劃分方法對數(shù)據(jù)進行聚類時，聚類結(jié)果對聚類個數(shù)和數(shù)據(jù)輸入的順序敏感，采用動態(tài)聚類算法能較好的解決此問題，在聚類的大小相差懸殊或聚類形狀非凸時，MMC聚類方法能得到較優(yōu)的結(jié)果。本課題旨在為不同的數(shù)據(jù)找到其聚類的最優(yōu)結(jié)果。 撰寫論文、論文定稿。4 四、審查意見1．指導(dǎo)教師意見（包括：對選題的意義、特色和創(chuàng)新點、研究計劃安排以及對研究如何給予指導(dǎo)、保證如期完成論文等親筆簽署具體意見） 導(dǎo)師（簽章） 年 月 日2．開題報告評議小組意見（對開題報告提出具體評議意見，并給出通過、暫不通過或重新做開題的結(jié)論）組長（簽章） 組員（簽章） 年 月 日3．教研室意見 教研室負責(zé)人（簽章） 年 月 日4．院系意見 院系負責(zé)人（簽章） 單位（公章） 年 月 日 注：博士生開題報告評議組至少5人，碩士生至少3人，其中組長1人，但導(dǎo)師不能擔(dān)任組長。５．預(yù)期研究成果完成幾何數(shù)據(jù)和屬性數(shù)據(jù)的聚類，聚類結(jié)果盡量避免經(jīng)典聚類算法的局限，達到全局的最優(yōu)，并設(shè)計聚類儀讓結(jié)果可視化。 完成系統(tǒng)設(shè)計，并劃分相應(yīng)的系統(tǒng)功能模塊；并完成必要的相關(guān)文檔。3３．本選題的創(chuàng)新點（選題的前沿性、急需性、學(xué)科交叉性及應(yīng)用性等）傳統(tǒng)的聚類方法在數(shù)據(jù)處理中用得較多，聚類相似性的判別標準一般采用歐氏距離。u 可行性分析:本課題實現(xiàn)的關(guān)鍵在于聚類相似度的選取和聚類算法思想的確立。u 實驗方案：將幾何數(shù)據(jù)用劃分方法、層次方法、基于密度的方法和基于模型的方法中的典型聚類算法進行聚類，得到的聚類結(jié)果均有不理想的地方。2． 不同類型的空間數(shù)據(jù)找到最合適的聚類方法。3． 整理典型的較為完善和成熟的聚類算法以及部分改進了的能力較強的聚類算法。4． 完成基于大型GIS平臺的空間數(shù)據(jù)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1