吉首大学大学生研究性学习和创新性实验计划项目申请书new

《吉首大学大学生研究性学习和创新性实验计划项目申请书new》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、附件1：吉首大学大学生研究性学习和创新性实验计划项目申请书学院名称数学与计算机科学学院　　　　计划项目名称基于密度的聚类算法研究__计划项目负责人彭浩　　所在专业信息与计算科学　所在年级　08级　　　　联系电话15080891995　　　电子邮件124898764@qq.com　　导师姓名段明秀　　_导师职称讲师　　_填写日期2011-4-20　　　吉首大学教务处制填写说明及注意事项一、申报书逐项认真填写，填写内容必须实事求是，表达明确严谨。空缺项要填“无”。二、表格中的字体小四号仿宋体，1.5倍行距；需签字部分由相关人员以黑色钢笔或水笔签名。均用A4纸双面打印，于左侧装订成册。三、大

2、学生研究性学心和创新实验项目是本科学生个人或创新团队在导师指导下，自主进行研究性学习，自主进行实验方法的设计、组织设备和材料、实施实验、调查、分析处理数据、撰写总结报告等工作。四、项目实施原则：参与计划的学生要对科学研究或创造发明有浓厚的兴趣，并在导师指导下完成实验过程；参与学生要自主设计实验、自主完成实验、自主管理实验；注重创新性实验项目实施过程，强调项目实施过程中学生在创新思维和创新实践方面的收获。五、参与大学生创新性实验项目的学生不超过5人，项目执行时间为1-2年。六、指导老师应具有讲师以上职称，每个指导老师指导的项目数不超过2项。七、计划项目必须先由导师提出意见、由所在学院审核

3、后再推荐上报。推荐上报的计划项目表一式三份（均为原件）报送教务处，同时提交电子文档。项目名称基于密度的聚类算法研究项目主持人彭浩学号20084043032班级08信计年级08级电话15080891995QQ124898764项目组其他成员学生姓名性别学院名称专业年级联系电话合作者签名杨亚龙男数学与计算机科学学院信息与计算科学08级13739045615邹勇男数学与计算机科学学院信息与计算科学08级15074318064唐超林女数学与计算机科学学院信息与计算科学09级15200791263贺永胜男数学与计算机科学学院信息与计算科学09级15576928723指导教师情况姓名段明秀性别女民

4、族汉出生年月1975.5职称讲师专业计算机应用研究方向数据挖掘、神经网络手机号码13739029854E-mailDuanmxq@126.com指导老师签名一、前期基础（500字以内）项目组成员均来自吉首大学数学与计算机科学学院的大二、大三的信息与计算科学专业，已系统进行过数学理论方法训练（尤其针对数值计算，信息论，数学建模等），曾获得过校级数学建模大赛的三等奖，为设计高效聚类算法打下了扎实的数学基础。计算机方面，已熟练掌握了C、C++、JAVA，matlab(数学工具软件)等语言，并且在数据结构、算法设计、框架构造等方面也有一些经验积累，对算法的优化与测试具备良好的计算机基础。项目组

5、成员均具有良好的程序设计基础及扎实的数学功底，并且对编程及算法研究具有浓厚的兴趣。多名成员已通过英语4、6级考试，具备了较强的英语读写能力，能够阅读相关的外文文献。项目指导老师在相关领域从事了多年的教学和科研工作，比较全面的掌握了数据挖掘领域的相关文献和研究现状，并已经在聚类算法领域进行了较为深入的研究，取得了一些研究成果。在项目指导老师的积极指导与督促下，项目组成员已阅读了大量的相关国内外文献，对聚类算法特别是基于密度的聚类算法有了一定的知识积累，对聚类算法的发展历程和最新发展趋势有一定了解，对算法的评价标准有了更深刻的认识。二、项目立论依据（2000字以内）1．项目研究目的和意义数

6、据挖掘是从海量数据中以高度精确和高度可靠的手段挖掘和产生新的知识，这些新的知识将为决策者提供有力的科学决策依据。数据挖掘涉及多学科技术，包括数据库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像与信号处理和空间数据分析等。已在医学、电信、零售业等科学或商业领域得到了成功应用。聚类分析是数据挖掘领域中一个非常活跃的研究课题，它应用于统计学、机器学习、空间数据库、生物学以及市场营销等领域，应用于各个领域的聚类算法非常多。针对各行业不同的应用，目前己经提出了大量的聚类算法。这些算法在速度、效率、可伸缩性、处理能力、准确度等方面有了不同程度的改进。聚类算法的聚

7、类效果受数据集的分布情况影响很大，有的算法只能辨识凸形簇，有的算法不能很好的处理数据中的离群点，有的算法的时间效率不能满足大数据集的聚类要求等等，然而，现实中的数据集很多并不是凸形分布。基于密度的聚类方法的研究解决了这个问题，基于密度的聚类算法通过寻找密度连通区域来辨识任意形状的簇。通过密度聚类，人们能够识别密集的和稀疏的区域，从而发现全局的分布模式，以及数据属性之间的有趣的相互关系。在商务上，密度聚类能帮助市场分析人员从客户基本信息库发现不同