研究生学位选题要点详解.pptVIP

研究生学位论文选题报告 研究课题： 密度聚类算法研究 研究者： XX 指导老师： XXX （教授） 研究生学位论文选题报告 论文构造 1、选题依据 2、研究内容 3、可行性分析 4、研究创新点 进度安排 选题依据 研究意义 随着信息技术的发展， 人们积累了越来越多的音、视频数据， 以及文本， 图片等数据， 为了从这些海量数据中查找， 提取有用信息， 出现了数据挖掘技术。 聚类作为数据挖掘的重要技术之一， 在机器学习、工程学、神经网络、生物学、统计学、地球科学以及社会科学和经济学等许多领域起着越来越重要的作用。 现实世界中的事物大多都具有密度不均匀这一特征，而上述的密度聚类算法由于缺乏处理不同密度聚类的能力，在分析含有不同密度聚类的数据集时效果往往不能令人满意，难以解决实际问题。因此，密度不均匀数据集聚类方法的研究己成为基于密度聚类算法的焦点研究课题。 选题依据 国内外研究现状 近年来，聚类分析技术向处理高维度的海量数据的方向发展，例如三维模型特征值数据。数据维度的增长导致聚类效果的恶化，为此要考虑在聚类分析中结合降维技术降低数据维数。对于海量数据，则需降低聚类算法复杂度或采用抽样技术。另一个重要研究方向是聚类技术与离群点识别技术结合。此外，由于一般用户难以理解和接受复杂的聚类分析算法，而可视化技术可以以其直观性来弥补这一缺陷，使用户从可视化的角度更直观地理解数据分析和聚类分析整个过程，因此也得到了进一步发展。但是对比实际应用的需求，这些算法在生成聚类质量、执行效率、可伸缩性、处理不同类型属性的能力、发现任意形状的簇、用于决定输入参数的领域知识最小化、对于输入记录顺序不敏感、高维性、处理噪声数据的能力、基于约束的聚类、可解释性和可用性等多个方面仍有待改进。因此，研究并设计有效的聚类分析算法仍然是一个具有挑战性的问题。 研究内容 在快速聚类法的条件下研究不同形状、不同层次以及各种规模样本的聚类效果，通过结果分析快速聚类的优点以及它的不足之处。 1 在密度聚类算法的基础上分别研究DBSCAN、OPTICS与DENCLUE三种聚类算法对不同形状、不同层次以及不同规模样本的聚类效果，通过研究结果分析密度聚类算法的优势以及存在的不足。 2 提出一种新的相对于密度的快速聚类算法,使得该算法克服相对密度算法速度较慢以及快速聚类算法密度不均匀出现错误结果的缺点，最后将该算法与其他一些密度算法在性能上做比较。 3 研究内容（技术路线） 研究背景 研究背景 研究目的 聚类算法的研究现状 理论分析 基于密度的快速聚类法理论基础 快速聚类法的基本思想 密度聚类法的基本思想 快速密度聚类法方法阐述 模型建立 相关定义证明 新算法公式推导 模型建立 可行性研究 理论方面 硬件设施方面 软件方面（程序编写） 可行性研究 实验模拟 理论模拟 Matlab产生样本 新算法 现实数据模拟 矿产采样数据 矿产分布形状及 及存量预测 真实分布、储量 新算法 快速聚类 密度算法 比较 快速聚类 密度聚类 比较 结论 最终结论 模型的改进方向 模型的应用前景 可行性研究 硬件设施 1、一直研究密度聚类 2、参考了大量国内外与聚类相关的文章 3、导师指导 4、有一定的软件编程能力 惠普PCz600机一台： i3处理器 6G内存。 研究环境 研究创新点 1、提出的算法适应各种样本规模 2、提出的算法不受样本分布形状、层次方面的影响 3、自动确定聚类数目与初始聚类中心 进度安排 查阅、下载并整理论文资料 2015.11- 2016.3 2015.5- 2015.11 2015.1- 2015.5 2014.9- 2015.1 研密度聚类基本理论和概念，以及各种聚类方法 模拟仿真实验 论文的撰 2016.3- 2016.4 修改 谢 谢 ！ （1）专业知识方面 本人研究生以来一直从事聚类算法方面的研究，目前的主要研究方向即为密度聚类算法方向，阅读过大量关于密度聚类算法方面的文献资料，有一定的专业基础。 （2）导师方面 邓老师长期从事应用统计方面的研究，拥有丰富的专业知识和指导能力。 （3）数据获取方面 理论数据可以通过MATLAB模拟产生，矿产采样数据可通过建模网站获取。 （4）算法模拟实现方面 本人有一定的MATLAB编程能力，聚类的过程可以通过MATLAB进行仿真实现。 （5）时间方面 * * （1）专业知识方面 本人研究生以来一直从事聚类算法方面的研究，目前的主要研究方向即为密度聚类算法方向，阅读过大量关于密度聚类算法方面的文献资料，有一定的专业基础。 （2）导师方面 邓老师长期从事应用