1. 研究目的与意义（文献综述包含参考文献）

一、选题相关概念及定义

聚类分析( cluster analysis) 又称群分析，是根据”物以类聚”的道理，对指定样品或指标进行分类的一种多元统计分析方法^［1］。从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如spss、sas等^［2］；从机器学习的角度讲，簇相当于隐藏模式。聚类是搜索簇的无监督学习过程。与分类不同，无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或数据对象有类别标记。聚类是观察式学习，而不是示例式的学习^［3］。

聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论^［4］。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。从实际应用的角度看，聚类分析是数据挖掘的主要任务之一。而且聚类能够作为一个独立的工具获得数据的分布状况，观察每一簇数据的特征，集中对特定的聚簇集合作进一步地分析^［5］。聚类分析还可以作为其他算法（如分类和定性归纳算法）的预处理步骤。

2. 研究的基本内容、问题解决措施及方案

一、研究的问题

本课题主要围绕”聚类分析在危险性作业事故中的应用”这一主要内容展开，拟将

着重讨论与研究如下几个方面问题：