1. 研究目的与意义
《易经系辞上》：“方以类聚，物以群分，吉凶生矣。”相似类别的事物常常按一定的规律聚集在一起，人们根据这些规律做出决策.聚类分析是对数据进行分组归类的重要方法，将具有相似性质的数据聚集为一类，使同类中的数据相似性尽可能大同时不同类别间相似性尽可能小.聚类分析在生物学、医学、社会学、统计学、经济学等学科都有广泛应用.
2. 研究内容和预期目标
1.内容：聚类分析及其在江苏省各区域经济发展水平分类研究中的应用
2.决的关键问题：基于聚类分析的方法，对江苏省各区域经济发展水平进行分组、归类，寻找各区域经济发展的相似性与相异性，为研究区域经济发展状况提供更多的科学依据，为促进各区域经济协调发展做出合理决策.
3.写作提纲：
3. 国内外研究现状
Lloyd（1957）、Ballamp;Hall（1965）、MacQueen（1967）基于划分的方法分别在各自不同的科学研究领域独立的提出K-means聚类算法，K-means算法至今是被应用最广泛的聚类分析方法.由Kaufman(1990)、Rousseevw（1990）、Huang（1998）分别提出的PAM、CLARA、K-modes算法对K-means聚类算法进行优化.Zhang（1996）、Guha（1998）基于层次的方法各自分别提出BIRCH算法、CURE算法.Ester（1996）基于密度的方法提出DBSCAN算法，Ankerst andBreunig(1999)提出OPTICS算法，Katsavounidis(1994)提出DENCLULDE算法.基于网格的聚类方法因适应于高维数据挖掘而被广泛应用于聚类算法中（张伟莉等，2008），基于网格的方法由Agrawal（1993）的子空间聚类算法最先提出，Wang(1997)提出STING算法，Sheikholeslami(1998)提出WaveCluster算法.基于模型的基本方法主要分为两类：基于统计学的方法和基于神经网络的方法，基于统计学的方法中最著名应用最广泛的是由Fisher(1987)提出的COBWEB算法, 基于神经网络的方法中应用最广泛的是由SOFM神经网络算法，在模式识别、通讯、自动控制、金融、生物学等领域广泛应用SOFM神经网络算法（黄丽娟等，2007）.
4. 计划与进度安排
第一章 绪论
第二章 聚类分析方法
2.1划分的方法
5. 参考文献
[1]张宪超.数据聚类[M].北京：科学出版社，2017:3-5
[2]数据挖掘中的聚类方法及其应用——基于统计学视角的研究[D].厦门：厦门大学，2008：17-22
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
