論文開題報告空間聚類(參考版)
2025-06-28 02:57本頁面
【正文】 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。 撰寫論文、論文定稿。 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。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。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。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。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。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。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。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。2． 不同類型的空間數(shù)據(jù)找到最合適的聚類方法。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。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。u 研究內(nèi)容：1． 主要的聚類方法。4． 完成基于大型GIS平臺的空間數(shù)據(jù)聚類的可視化工具。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。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聚類算法的K值選擇》 作者：楊芳等，微機發(fā)展 [13]、《數(shù)據(jù)聚類技術(shù)的研究》 作者：張蓉，計算機工程與應(yīng)用，[14]、《文本聚類算法的分析與比較》 作者：谷波，張永奎，電腦開發(fā)與應(yīng)用，2003[15]、《面向非球形分布數(shù)據(jù)的自適應(yīng)K近鄰聚類算法》 作者：黃曉斌，萬建偉等，計算機工程， 本欄填寫不下，可加續(xù)頁。（5）處理高維數(shù)據(jù)的能力，當(dāng)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，
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1