1. 研究目的与意义（文献综述）

k-means算法是最常用的一种基于划分的聚类算法，由steinhaus 1955年、lloyed 1957年、ball amp; hall 196由steinhaus 1955年分别在各自的不同的科学研究领域独立提出。但该算法需要事先指定k值，有随机选择初始聚类中心等的缺陷，从而影响了k-means聚类结果的稳定性。

aristidis likas等人提出在多项式时间内最小的值和对应的聚类划分能够得到，并于2002年提出了全局最优的k-means聚类算法。

刘涛等人提出了基于半监督学习的k-means聚类算法的研究，用粒子群算法以及迭代搜索的思想找到优质的聚类中心进行聚类。

2. 研究的基本内容与方案

（1）基本内容：

学习k-means算法的基本设计、完成程序的编码来实现相应算法。完成改进k-means算法的编程与实现。掌握k-means算法的核心思想，并提高自己的科研编程能力。

（2）预期目标：

3. 研究计划与安排

（1）2月25日到3月5日：理解毕业设计要求，收集、查阅相关资料后，完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查

（2）3月5日到4月12日：完成系统的框架和方案设计，完成已有先进算法的测试与评估，熟悉算法的实现过程与基本原理，为后面的算法改进做前期准备工作。

（3）4月13日到5月25日：进行算法改进工作，对算法实现进行编码、调试、测试等工作。撰写并修改毕业论文。

4. 参考文献（12篇以上）

[1] anil k j. data clustering: 50 years beyond k-means [j]. pattern recognition letters, 2010, 31(8): 651-666.

[2] likas a, vlassis m, verbeek j. the global k-means clustering algorithm [j]. pattern recognition,2003, 36(2): 451-461.

[3] selim s z，al-sultan k s. analysis of global k -means，an incremental heuristic for minimum sum-of-squares clustering [j]. journal of classification，2005(2): 287-310.