研究生學位選題報告匯編

研究生學位論文選題報告研究課題：密度聚類算法研究研究者：XX指導老師：XXX（教授）研究生學位論文選題報告論文構造1、選題依據2、研究內容3、可行性分析4、研究創(chuàng)新點進度安排選題依據研究意義

隨著信息技術的發(fā)展，人們積累了越來越多的音、視頻數(shù)據，以及文本，圖片等數(shù)據，為了從這些海量數(shù)據中查找，提取有用信息，出現(xiàn)了數(shù)據挖掘技術。聚類作為數(shù)據挖掘的重要技術之一，在機器學習、工程學、神經網絡、生物學、統(tǒng)計學、地球科學以及社會科學和經濟學等許多領域起著越來越重要的作用。

現(xiàn)實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)據集時效果往往不能令人滿意，難以解決實際問題。因此，密度不均勻數(shù)據集聚類方法的研究己成為基于密度聚類算法的焦點研究課題。選題依據國內外研究現(xiàn)狀

近年來，聚類分析技術向處理高維度的海量數(shù)據的方向發(fā)展，例如三維模型特征值數(shù)據。數(shù)據維度的增長導致聚類效果的惡化，為此要考慮在聚類分析中結合降維技術降低數(shù)據維數(shù)。對于海量數(shù)據，則需降低聚類算法復雜度或采用抽樣技術。另一個重要研究方向是聚類技術與離群點識別技術結合。此外，由于一般用戶難以理解和接受復雜的聚類分析算法，而可視化技術可以以其直觀性來彌補這一缺陷，使用戶從可視化的角度更直觀地理解數(shù)據分析和聚類分析整個過程，因此也得到了進一步發(fā)展。但是對比實際應用的需求，這些算法在生成聚類質量、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、用于決定輸入參數(shù)的領域知識最小化、對于輸入記錄順序不敏感、高維性、處理噪聲數(shù)據的能力、基于約束的聚類、可解釋性和可用性等多個方面仍有待改進。因此，研究并設計有效的聚類分析算法仍然是一個具有挑戰(zhàn)性的問題。研究內容

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，通過結果分析快速聚類的優(yōu)點以及它的不足之處。1

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

提出一種新的相對于密度的快速聚類算法,使得該算法克服相對密度算法速度較慢以及快速聚類算法密度不均勻出現(xiàn)錯誤結果的缺點，最后將該算法與其他一些密度算法在性能上做比較。3研究內容（技術路線）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定義證明新算法公式推導模型建立可行性研究理論方面硬件設施方面軟件方面（程序編寫）可行性研究實驗模擬理論模擬Matlab產生樣本新算法現(xiàn)實數(shù)據模擬礦產采樣數(shù)據礦產分布形狀及及存量預測真實分布、儲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論最終結論模型的改進方向模型的應用前景可行性研究硬件設施1、一直研究密度聚類2、參考了大量國內外與聚類相關的文章3、導師指導4、有一定的軟件編程能力惠普PCz600機一臺：i3處理器6G內存。研究環(huán)境研究創(chuàng)新點1、提出的算法適應各種樣本規(guī)模2、提出的算法不受樣本分布形狀、層次方面的影響3、自動確定聚類數(shù)目與初始聚類中心進度安排查閱、下載并整理論文資料2015.11-2016.32015.5-2015.112015.1-2015.5