二、学位论文研究依据

　　学位论文的选题依据和研究意义，以及国内外研究现状和发展趋势

　　聚类分析研究已经有很长的历史，其重要性及其与其他研究方向的交叉特性已经得到了研究者的充分肯定。对聚类算法的研究必将推动相关学科向前发展。另外，聚类技术已经活跃在广泛的应用领域。作为与信息安全专业的交叉学科，近年来，聚类算法在入侵检测方面也得到大量的应用。然而，聚类算法虽取得了长足的发展，但仍有一些未解决的问题。同时，聚类算法在某些应用领域还没有充分的发挥作用，聚类技术和入侵检测技术结合得还不够完善。在这种背景下，我们认为，论文的选题是非常有意义的。

　　本论文研究的内容主要包括两个方面：聚类算法的研究以及聚类算法在入侵检测中的应用。下面从两个方面阐述国内外这两个方面的发展现状和趋势：

　　前人已经提出很多聚类算法，然而没有任何一种聚类算法可以普遍适用于揭示各种多维数据集所呈现出来的多种多样的结构，根据数据在聚类中的积聚规则以及应用这些规则的方法，可以将聚类算法分为以下几种：

　　1.划分聚类算法

　　划分聚类算法需要预先指定聚类数目或聚类中心，通过反复迭代运算，逐步降低目标函数的误差值，当目标函数收敛时，得到最终的聚类结果，划分聚类算法典型代表是k-means算法[1]和k-modoids算法。这些算法处理过程简单，运行效率好，但是存在对聚类数目的依赖性和退化性。迄今为止，许多聚类任务都选择这两个经典算法，针对k-means及k-modoids的固有弱点，也出现了的不少改进版本。

　　2.层次聚类算法

　　又称树聚类算法，它使用数据的联接规则，透过一种层次的架构方式，反复将数据进行分裂和聚合，以形成一个层次序列的聚类问题解。由于层次聚类算法的计算复杂性比较高，所以适合于小型数据集的聚类。20xx年，Gelbard等人有提出一种新的层次聚合算法，称为正二进制方法。该方法把待分类数据以正的二进制形式存储在二维矩阵中，他们认为，将原始数据转换成正二进制会改善聚类结果的正确率和聚类的鲁棒性，对于层次聚类算法尤其如此。Kumar等人[9]面向连续数据提出一种新的基于不可分辨粗聚合的层次聚类算法，既考虑了项的出现次序又考虑了集合内容，该算法能有效挖掘连续数据，并刻画类簇的主要特性。

　　3.基于密度-网格的聚类算法

　　与传统的聚类方法不同：基于密度的聚类算法，通过数据密度来发现任意形状的类簇；基于网格的聚类算法，使用一个网格结构，围绕模式组织由矩形块划分的值空间，基于块的分布信息实现模式聚类，基于网格的聚类算法常常与其他方法相结合，特别是与基于密度的聚类方法相结合。基于网格和密度的聚类方法在以空间信息处理为代表的众多领域有着广泛的应用。特别是伴随着近来处理大规模数据集、可伸缩的聚类方法的开发，它在空间数据挖掘研究子域日趋活跃。

研究生的开题报告 篇9

　　一、研究背景、目的及意义

　　（一）研究背景

　　自从1978年改革开放政策实施以来，在经济建设和社会发展方面，中国的成就举世瞩目。改革开放至今三十余年，中国已经不可抗拒的被卷入国际竞争的大环境，面临全球经济一体化的冲击，中国企业已经在较大范围内参与全球竞争。国际市场的理性化，企业竞争的愈加激烈，使得单纯物质力量能发挥的作用越来越少，企业文化的作用受到越来越多经营者和学者的重视。企业文化是企业管理的灵魂所在，体现了企业的经营哲学。通过企业文化，员工的精神得以凝聚，进而组成和推动企业实现其发展战略，维护企业的生存与发展。

　　二、国内外研究现状

　　三、本研究已取得的相关成果

　　四、研究内容（论文写作思路和初步提纲）

　　五、研究思路与方法

　　六、研究的重点、难点和创新点

　　附：参考文献

　　[1]刘志迎，试论企业文化冲突，价值中国，20xx，102（11）：26-30、

　　[2]韦华伟，企业文化融入形象广告，企业文化杂志社，20xx，65（8）：25-28、

　　[3]韩浩波，企业文化建设的冷思考，企业文化杂志社，20xx,102（13）：15-18、