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。

研究生开题报告 篇16

　　一、硕士学位论文选题原则

　　1.选题应属于所在学科的研究方向，及其相关交叉学科研究方向范畴。

　　2.选题应对科学技术进步、国家经济建设和社会发展具有一定的科学意义或应用价值，或具有一定的理论意义。

　　3.选题应研究目标明确，工作量适当，有一定的先进性和一定的科学或技术难度。工学门类学科的硕士论文一般应有实验、验证或硬件实物；其他门类学科的硕士论文一般应有调查数据、案例分析、软件演示、硬件实物、验证或理论证明。

　　4.选题应充分考虑研究经费、仪器设备、试验条件等方面因素。

　　5.工程硕士学位论文选题参照上述原则，并注意充分结合工程实践问题。

　　二、学位论文开题报告与考核

　　1.开题报告内容

　　研究生应在导师指导下，根据选题原则，在调查研究、文献查询、理论分析以及文献综述的基础上，形成书面的开题报告即选题论证报告，硕士学位论文选题论证报告一般在5000字左右，博士学位论文选题论证报告一般在8000字左右，内容应包括以下几个方面：

　　(1)选题名称

　　应少于25个汉字并确切地反映论文工作的研究内容和内涵。

　　(2)选题立论依据

　　包括研究论题的来源、研究目的、必要性和重要性、意义以及国内外研究的技术现状分析。

　　(3)研究方案

　　主要包括具体的研究目标、研究内容和拟解决的关键问题；拟采取的研究方法、技术路线、实验方案及可行性分析；预期研究成果、研究内容的创新性或新颖性；研究计划和进度等方面内容，并逐一进行论证。硕士学位论文的工作要有创新点或新颖性，博士学位论文在所研究领域要有系统的创新性或创造性。

　　(4) 研究基础

　　主要包括与本项目有关的研究工作积累和已取得的研究工作成绩；课题研究现有的基础和已具备的实验条件，可能遇到的困难或问题和拟解决的途径和措施等内容，并逐一进行阐述。

　　(5)研究经费预算与来源(含支持本课题的项目编号)。

　　(6)参考文献

　　开题报告应有数量较充足的国内外参考文献。硕士学位论文选题论证报告应有20篇以上，博士学位论文选题论证报告应有50篇以上。参考文献应是学术会议论文、学位论文、公开出版发行的学术刊物论文、书籍、专利资料，公开的政府法规文件等文献资料。内部资料、内部研究报告、非公开的领导讲话等不具有长期论据效力的文献资料及涉密文献资料，不能作为参考文献。