【正文】 選自《研究生管理工作手冊》(2005年8月第四次修訂版)） 學(xué)號： 120040609 中國地質(zhì)大學(xué)（武漢）研究生學(xué)位論文開題報告登 記 表 學(xué)科專業(yè): 計算機科學(xué)應(yīng)用技術(shù) 論文題目: 空間聚類的研究與實現(xiàn) 研究生姓名: 余艷 （碩士） 導(dǎo)師姓名: 周順平 （教授） 所在院系: 信息工程學(xué)院 開題日期: 2006111 研究生院二OO二年制填 表 說 明一、填表前，請認真閱讀學(xué)?！蛾P(guān)于研究生學(xué)位論文選題及開題報告的規(guī)定》。五、表中第五頁中各意見欄須由有關(guān)人員親筆填寫，不得打印。 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。聚類分析是人類的一個重要行為。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。例如,WaveCluster和DENCLUE等。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。（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。u 研究內(nèi)容：1． 主要的聚類方法。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。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。 撰寫論文、論文定稿。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。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 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。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。參考文獻：[1]、《基于網(wǎng)絡(luò)的異常入侵檢測方法》 作者：趙衛(wèi)偉，計算機工程與應(yīng)用 2002[2]、《一種區(qū)域型模糊聚類算法》 作者：黃曉斌，馬曉巖等， 計算機工程與應(yīng)用 [3]、《用于數(shù)據(jù)挖掘的聚類算法》 作者：姜園、張朝陽等，電子信息學(xué)報 2005[4]、《一種基于劃分的動態(tài)聚類算法》 作者：萬志華、歐陽為民等，計算機工程與設(shè)計[5]、《一種改進的K－means算法》 作者：張玉芳、毛嘉莉等，計算機應(yīng)用 [6]、《一種新的聚類算法：等密度線算法》 作者：趙艷廠、謝帆等，北京郵電大學(xué)學(xué)報 [7]、《Web文檔聚類中K－means算法的改進》 作者：王子興、馮志勇，微型機與應(yīng)用 2004[8]、《基于簇中心動態(tài)遷移的一個聚類算法》作者：李麗珊，朱文興，福建農(nóng)林大學(xué)學(xué)報 [9]、《基于網(wǎng)格距離的聚類算法的設(shè)計、實現(xiàn)和應(yīng)用》 作者：田啟明，王麗珍等，計算機應(yīng)用 [10]、《聚類問題的蟻群算法》作者：高尚等，計算機工程與應(yīng)用 [11]、《中文文本分類器的設(shè)計》 作者：陸建江，張文獻，計算機工程與應(yīng)用 [12]、《使用遺傳算法實現(xiàn)K－means聚類