1. 毕业设计（论文）主要内容：
如今机器学习已经在现实生活中有越来越多的应用，其中聚类在机器学习和数据挖掘中虽然得到了广泛的运用，但依然存在许多问题。聚类是一种通过发现数据内在结构，来划分数据类别的方法，由于其不需要标签，所以为无监督方法。集成方法是一种简单却十分实用的方法，其通过集成多个模型来提高系统的精度，已经有很多的实验验证了其对系统精度明显提升的效果。本课题是一种集成聚类方法，但是传统的集成聚类方法平等的看待所有的基聚类器，这就容易导致产生脆弱，低质量的聚类器，该课题通过局部权重法缓解该问题。1、经典和变种的聚类方法的研究； 2、经典和变种的集成方法的研究； 3、集成聚类方法的研究和实现； 4、基于局部权重的集成聚类法的具体实验。
2. 毕业设计（论文）主要任务及要求
1. 通过本课题的训练，培养学生动手能力、分析问题及解决问题的能力； 2. 翻译与本课题相关的英文资料（不少于3000中文字符）； 3. 查阅文献资料，撰写开题报告（不少于5000中文字符）； 4. 掌握基本的集成，聚类的概念和方法，即实现方式； 5. 完成基于局部权重的集成聚类法的具体实验； 6. 撰写毕业设计论文或说明书（不少于20000中文字符）。
3. 毕业设计（论文）完成任务的计划与安排
1-2周，完成开题报告和文献翻译，完成开题答辩； 3-4周，学习经典聚类方法； 5-7周，学习经典集成方法； 8-10周，学习集成聚类的实现方式，研究相关代码； 11-12周，完成基于局部权重的集成聚类法的具体实验； 13-15周，撰写毕业论文，完成论文答辩。
4. 主要参考文献
（1）Huang D , Wang C D , Lai J H . Locally Weighted Ensemble Clustering[J]. IEEE Transactions on Cybernetics, 2016, 48(5):1460-1473.（2）Zhou Z H, Tang W. Clusterer ensemble[J]. Knowledge-Based Systems, 2006, 19(1):77-83.（3）A. L. N. Fred and A. K. Jain, “Combining multiple clusterings using evidence accumulation,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 6, pp. 835–850, 2005. （4）A. Topchy, A. K. Jain, and W. Punch, “Clustering ensembles: models of consensus and weak partitions,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 12, pp. 1866–1881, 2005.（5）N. Iam-On, T. Boongoen, S. Garrett, and C. Price, “A link-based approach to the cluster ensemble problem,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 33, no. 12, pp. 2396–2409, 2011.（6）机器学习，周志华， 清华大学出版社，2016（7）Li, Tao and Chris H. Q. Ding. “Weighted Consensus Clustering.” SDM (2008).
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
