聚類分析開題報(bào)告

1、畢業(yè)設(shè)計(jì)（論文）開題報(bào)告題 目基于聚類技術(shù)的煤炭銷售與生產(chǎn)決策系統(tǒng)的研究與實(shí)現(xiàn)學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院專業(yè)及班級計(jì)算機(jī)科學(xué)與技術(shù)1001班姓名 張歡學(xué) 號1008030117指導(dǎo)教師 楊君銳日 期 2014年3月西安科技大學(xué)畢業(yè)設(shè)計(jì)(論文)開題報(bào)告題目基于聚類技術(shù)的煤炭銷售與生產(chǎn) 決策系統(tǒng)的研究與實(shí)現(xiàn)選題類型 應(yīng)用型、選題依據(jù)聚類分析又稱群分析，是根據(jù)“物以類聚”的道理，對樣品或指標(biāo)進(jìn)行分類的一類多元 統(tǒng)計(jì)方法。本文主要是采用聚類分析方法，對于煤礦銷售中某一類煤的多個(gè)樣本煤品進(jìn)行聚類 分析，得出結(jié)果并對結(jié)果進(jìn)行分析，從而調(diào)整在生產(chǎn)中對不同類煤的生產(chǎn)量，提高不同供求渠 道的銷售效益。首先，介紹關(guān)

2、于聚類分析的思想以及發(fā)展?fàn)顩r。其次，收集相關(guān)樣本煤的數(shù)據(jù)， 包括水分含量，灰份，揮發(fā)分，固定碳含量等指標(biāo)。再次，用聚類算法進(jìn)行處理，并得出結(jié)果 將樣本煤進(jìn)行分類。最后，對結(jié)果進(jìn)行分析，為生產(chǎn)者提出建議。聚類源于很多領(lǐng)域，包括數(shù)學(xué)，計(jì)算機(jī)科學(xué)，統(tǒng)計(jì)學(xué)，生物學(xué)和經(jīng)濟(jì)學(xué)。在不同的應(yīng)用 領(lǐng)域，很多聚類技術(shù)都得到了發(fā)展，在礦產(chǎn)，鋼材生產(chǎn)中也發(fā)揮著至關(guān)重要的作用，這些技術(shù) 方法被用作描述數(shù)據(jù)，衡量不同數(shù)據(jù)源間的相似性，以及把數(shù)據(jù)源分類到不同的簇中。在煤礦 生產(chǎn)也銷售中，對于生產(chǎn)商來說，可以明確生產(chǎn)指標(biāo)，擴(kuò)大銷售渠道的選擇范圍，適應(yīng)了需求 者多樣性的煤種要求、交易動(dòng)機(jī)和利益的需求，一般來說能為生產(chǎn)商提供較高

3、收益的可能性。 但是由于煤種銷售受到地域，市場，煤種質(zhì)量等因素的影響，也受到技術(shù)和生產(chǎn)著行為因素的 影響，因此各類煤的生產(chǎn)與銷售量經(jīng)常處于頻繁的變動(dòng)之中，銷售量的頻繁變動(dòng)擴(kuò)大了市場的 投機(jī)性活動(dòng)，使生產(chǎn)商的風(fēng)險(xiǎn)性增大。因此，對各類煤進(jìn)行聚類分析并設(shè)計(jì)出切實(shí)可行的生產(chǎn) 與銷售方案顯得意義更大。2、數(shù)據(jù)挖掘國內(nèi)外研究現(xiàn)狀：國際會(huì)議及機(jī)構(gòu)：自KDD詞首次出現(xiàn)在1989年8月舉行的第11屆國際聯(lián) 合人工智能學(xué)術(shù)會(huì)議以來。迄今為止,由美國人工智能協(xié)會(huì)主辦的KDDg際研討 會(huì)已經(jīng)召開 了 13次，規(guī)模由原來的專題討論會(huì)發(fā)展到國際學(xué)術(shù)大會(huì)，人數(shù)由二三十人到超過千人，論文收錄數(shù)量也迅速增加，研究重點(diǎn)也從發(fā)現(xiàn)方

4、法逐漸轉(zhuǎn)向系統(tǒng)應(yīng)用直到轉(zhuǎn) 向大規(guī)模綜合系統(tǒng)的開發(fā)，并且注重多種發(fā)現(xiàn)策略和技術(shù)的集成，以及多種學(xué)科之間的相互 滲透。其他內(nèi)容的專題會(huì)議也把數(shù)據(jù)挖掘和知識發(fā)現(xiàn)列為議題之一，成為當(dāng)前計(jì)算機(jī)科學(xué)界 的一大熱點(diǎn)。世界上研究數(shù)據(jù)挖掘的組織、機(jī)構(gòu)或大學(xué)很多。比較著名的如卡內(nèi)基梅隆大學(xué)(有機(jī)器 制造DM多媒體數(shù)據(jù)庫DM互連網(wǎng)DM三個(gè)研究中心)、斯坦福大學(xué)、麻省理工學(xué)院。著名 研究機(jī)構(gòu)如：AC(ACMSpecial Interest Group on Knowledge Discovery in Data and Data Mining)、KDNet (the European Knowledge Discov

5、eryNetwork of Excellenee)、NCD(The National Center for Data Mining (NCDM) at the Un iversity of Illi nois at Chicago (UIC)刊物、書籍、網(wǎng)站：IEEE的Knowledge and Data Engineering會(huì)刊率 先在1993年出版了 KDD技術(shù)?？２⑿杏?jì) 算、計(jì)算機(jī)網(wǎng)絡(luò)和信息工程等其他領(lǐng)域的國際學(xué)會(huì)、學(xué)刊也把數(shù)據(jù)挖掘和知識發(fā)現(xiàn)列為專題 和?？懻?，甚至到了膾炙人口的程度。此外，在In ternet上還有不少KDD電子出版物， 其中以半月刊 Knowledge Disc

6、overy Nuggets 最為權(quán)威。IEEE 的 Knowledge and Data Engineering會(huì)刊在1993年出版的KDD技術(shù)?？?，所發(fā)表的5篇論文代表了當(dāng)時(shí)KDD研究 的最新成果和動(dòng)態(tài)，較全面地論述了 KDD系統(tǒng)方法論、發(fā)現(xiàn)結(jié)果的評價(jià)、KDD系統(tǒng)設(shè)計(jì)的 邏輯方法，集中討論了鑒于數(shù)據(jù)庫的動(dòng)態(tài)性冗余、高噪聲和不確定性、空值等問題,KDD系 統(tǒng)與其它傳統(tǒng)的機(jī)器學(xué)習(xí)、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、數(shù)理統(tǒng)計(jì)分析系統(tǒng)的聯(lián)系和區(qū)別，以及 相應(yīng)的基本對策。6篇論文摘要展示了 KDD在從建立分子模型到設(shè)計(jì)制造業(yè)的具體應(yīng)用。 在網(wǎng)上還有許多自由論壇，如DM Email Club等。此外，數(shù)據(jù)庫、人工

7、智能、信息處理、知識工程等領(lǐng)域的國際學(xué)術(shù)刊物也紛紛開辟了 KDD專 題或?qū)？Ｖ劣贒MK的專業(yè)書籍，目前已達(dá)250本之多，可以在任何大型書店找到十本以上的專 業(yè)書。參考文獻(xiàn)：陳炎光沖國采煤方法M.北京.中國礦業(yè)大學(xué)出版社,1991.李朝鵬.基于分層聚類的并行數(shù)據(jù)預(yù)處理方算法J.湖南大學(xué),2007,24(10)王霞.模糊聚類分析的一個(gè)改進(jìn)算法及其應(yīng)用J.天津科技大學(xué)學(xué)報(bào).2009,24(6):71-73張文穎.基于聚類分析的當(dāng)代大學(xué)生學(xué)習(xí)心理研究J.黑龍江高教研究,2009,(4)Daniel NR.Some applications of generalized FFT.Proceedings

8、 of the Dimacs Workshop in Groups and Computatio n M,California,1997.329-332S un JGLiu J,Zhao LY.CIusteri ng algorithms research.Jour nal of Software J,JiLi n.2008,19(1):48-61.二、研究(設(shè)計(jì))內(nèi)容、研究(設(shè)計(jì))思路、方法或工作流程研究內(nèi)容：本文主要講述了聚類分析在煤生產(chǎn)銷售中的應(yīng)用，對煤類銷售市場上各類煤的需求進(jìn)行 預(yù)測，為生產(chǎn)商提供有效的生產(chǎn)策略。因此，本文先從相關(guān)的參考文獻(xiàn)，并結(jié)合我國總體煤 炭銷售市場需求量波動(dòng)情況

9、，確定影響需求者對各類煤需求量大小的相關(guān)指標(biāo)，然后在相關(guān) 網(wǎng)站收集所需樣本數(shù)據(jù)，然后通過聚類分析思想對收集的數(shù)據(jù)進(jìn)行處理，得出結(jié)果。最后， 對結(jié)果進(jìn)行分析，將煤分為幾大類，并對每一類煤炭提出生產(chǎn)銷售建議。（1）現(xiàn)狀與需求分析：對煤炭銷售的基本情況數(shù)據(jù)及聚類的主要目的進(jìn)行了解分析， 明確系統(tǒng)的主要功能模塊；（2）系統(tǒng)總體分析與方案設(shè)計(jì)：包括系統(tǒng)設(shè)計(jì)思想和原理、系統(tǒng)模塊結(jié)構(gòu)的分析和設(shè) 計(jì)、及其系統(tǒng)的總體工作流程設(shè)計(jì)等；（3）系統(tǒng)的組織、分配、設(shè)計(jì)與實(shí)現(xiàn)；（4）其它有關(guān)軟件的設(shè)計(jì)與實(shí)現(xiàn)：選擇合適的開發(fā)平臺，完成軟件設(shè)計(jì)。研究思路：聚類的大體技術(shù)方案：簡單聚類根據(jù)相似性閾值和最小距離原則聚類-Xi 門

10、= *總，XJ = ,1,2c；if D （ X, m.） T, m= （1/n對，xF _.， n是r中的樣本個(gè)數(shù),T是給定的閥 值。Then X i i類心一旦確定將不會(huì)改變。譜系或?qū)哟尉垲惏醋钚【嚯x原則不斷進(jìn)行兩類合并類心不斷地修正，但模式類別一旦指定后就不再改變。依據(jù)準(zhǔn)則函數(shù)動(dòng)態(tài)聚類規(guī)定一些分類的目標(biāo)參數(shù)，定義一個(gè)能刻劃聚類過程或結(jié)果優(yōu)劣的準(zhǔn)則函數(shù)，聚類過程 就是使準(zhǔn)則函數(shù)取極值的優(yōu)化過程。這類方法有】一均值法、ISODAT/法、近鄰函數(shù)法以及運(yùn)用圖論理論的最小張樹法。影響聚類結(jié)果的主要因數(shù)：類心、類別個(gè)數(shù)、模式輸入順序。所謂動(dòng)態(tài)聚類，是指上述因數(shù)在聚類過程中是可變的。工作流程：（1）

11、對市面上銷售的各種煤炭進(jìn)行數(shù)據(jù)收集，確定各項(xiàng)指標(biāo)的具體數(shù)值。（2）對收集到的數(shù)據(jù)進(jìn)行整理，匯總。搭建初期基本的模型。（3）確定聚類分析中所要使用的相關(guān)算法并研究其可行性。（4）用聚類算法對收集到的數(shù)據(jù)進(jìn)行處理。（5）對計(jì)算結(jié)果進(jìn)行分析，完善整體的數(shù)據(jù)模型。參考模型，對煤炭銷售和生產(chǎn)決策提出方案。與導(dǎo)師討論，完善方案，進(jìn)一步細(xì)化方案。整理材料，完成論文初稿，進(jìn)行預(yù)答辯。三、畢業(yè)設(shè)計(jì)（論文）工作進(jìn)度安排總計(jì)16周，具體進(jìn)度安排如下：3-4周，調(diào)研、收集資料，寫出文獻(xiàn)綜述報(bào)告及開題報(bào)告；5-13周，分析歸納材料，進(jìn)行理論研究及算法分析與實(shí)現(xiàn)；13-15周，整理材料，完成論文初稿，成果驗(yàn)收，進(jìn)行預(yù)答辯;16-18周，完善、裝訂論文，答辯。指導(dǎo)教師意見指導(dǎo)教師簽字：年月日院、系部畢業(yè)設(shè) 計(jì)（論 文）領(lǐng)導(dǎo)小組審 核意見誑鼻/八曰綜合訓(xùn)一是否隸屬科難度份量一、E 練程度研項(xiàng)目教學(xué)院長（主任）（公章）年月日三、畢業(yè)設(shè)計(jì)（論文）工作進(jìn)度安排總計(jì)16周，具體進(jìn)度安