算法最简单的就是那些优化算法，比如GA，PSO，SA，再就是简单的一些分类、聚类算法。本科毕设最好是算法结合实际应用，否则单写算法肯定不够要求。
人工智能方向算法还是蛮多的
你的论文准备往什么方向写，选题老师审核通过了没，有没有列个大纲让老师看一下写作方向？ 老师有没有和你说论文往哪个方向写比较好？写论文之前，一定要写个大纲，这样老师，好确定了框架，避免以后论文修改过程中出现大改的情况！！学校的格式要求、写作规范要注意，否则很可能发回来重新改，你要还有什么不明白或不懂可以问我，希望你能够顺利毕业，迈向新的人生。 （一）选题毕业论文（设计）题目应符合本专业的培养目标和教学要求，具有综合性和创新性。本科生要根据自己的实际情况和专业特长，选择适当的论文题目，但所写论文要与本专业所学课程有关。（二）查阅资料、列出论文提纲题目选定后，要在指导教师指导下开展调研和进行实验，搜集、查阅有关资料，进行加工、提炼，然后列出详细的写作提纲。（三）完成初稿根据所列提纲，按指导教师的意见认真完成初稿。（四）定稿初稿须经指导教师审阅，并按其意见和要求进行修改，然后定稿。一般毕业论文题目的选择最好不要太泛，越具体越好，而且老师希望学生能结合自己学过的知识对问题进行分析和解决。不知道你是否确定了选题，确定选题了接下来你需要根据选题去查阅前辈们的相关论文，看看人家是怎么规划论文整体框架的；其次就是需要自己动手收集资料了，进而整理和分析资料得出自己的论文框架；最后就是按照框架去组织论文了。你如果需要什么参考资料和范文我可以提供给你。还有什么不了解的可以直接问我，希望可以帮到你，祝写作过程顺利毕业论文选题的方法: 一、尽快确定毕业论文的选题方向 在毕业论文工作布置后,每个人都应遵循选题的基本原则,在较短的时间内把选题的方向确定下来。从毕业论文题目的性质来看,基本上可以分为两大类:一类是社会主义现代化建设实践中提出的理论和实际问题;另一类是专业学科本身发展中存在的基本范畴和基本理论问题。大学生应根据自己的志趣和爱好,尽快从上述两大类中确定一个方向。二、在初步调查研究的基础上选定毕业论文的具体题目在选题的方向确定以后,还要经过一定的调查和研究,来进一步确定选题的范围,以至最后选定具体题目。下面介绍两种常见的选题方法。 浏览捕捉法 :这种方法就是通过对占有的文献资料快速地、大量地阅读,在比较中来确定论文题目地方法。浏览,一般是在资料占有达到一定数量时集中一段时间进行,这样便于对资料作集中的比较和鉴别。浏览的目的是在咀嚼消化已有资料的过程中,提出问题,寻找自己的研究课题。这就需要对收集到的材料作一全面的阅读研究,主要的、次要的、不同角度的、不同观点的都应了解,不能看了一些资料,有了一点看法,就到此为止,急于动笔。也不能“先入为主”,以自己头脑中原有的观点或看了第一篇资料后得到的看法去决定取舍。而应冷静地、客观地对所有资料作认真的分析思考。在浩如烟海,内容丰富的资料中吸取营养,反复思考琢磨许多时候之后,必然会有所发现,这是搞科学研究的人时常会碰到的情形。 浏览捕捉法一般可按以下步骤进行: 第一步,广泛地浏览资料。在浏览中要注意勤作笔录,随时记下资料的纲目,记下资料中对自己影响最深刻的观点、论据、论证方法等,记下脑海中涌现的点滴体会。当然,手抄笔录并不等于有言必录,有文必录,而是要做细心的选择,有目的、有重点地摘录,当详则详,当略则略,一些相同的或类似的观点和材料则不必重复摘录,只需记下资料来源及页码就行,以避免浪费时间和精力。 第二步,是将阅读所得到的方方面面的内容,进行分类、排列、组合,从中寻找问题、发现问题,材料可按纲目分类,如分成: 系统介绍有关问题研究发展概况的资料; 对某一个问题研究情况的资料; 对同一问题几种不同观点的资料; 对某一问题研究最新的资料和成果等等。 第三步,将自己在研究中的体会与资料分别加以比较,找出哪些体会在资料中没有或部分没有;哪些体会虽然资料已有,但自己对此有不同看法;哪些体会和资料是基本一致的;哪些体会是在资料基础上的深化和发挥等等。经过几番深思熟虑的思考过程,就容易萌生自己的想法。把这种想法及时捕捉住,再作进一步的思考,选题的目标也就会渐渐明确起来。
你要不研究下快速排序法的效率提升？之前有看过文章写这方面的东西。
毕业论文一般都会先选题的，根据导师提供的可选题目选一个感兴趣的课题，然后就是根据所选的题目在百度学术或中国知网等一些学术网站上查阅一些近期的相关论文，通过对大量论文的阅读对相关理论等方面的知识进行学习和认识，一般有些计算机专业毕业论文会涉及到相关算法或在某些特定应用场景中的设计实现，相关编程仿真实验就会成为毕业论文的一部分，这时就可以将实验设计、实验过程、实验结果与分析以及前面的一些理论介绍部分整合形成一篇毕业论文。如果没有相关仿真实验的话，一般可能就会涉及到对一些相关算法的对比分析等等。以本科毕业论文为例，字数要求不同学校会有一些差距，一般都在八千到一万二千字之间，查重率一般都要求在百分之二三十以内。如有问题可追问，望采纳。
这个题目的确是有点超出本科生能力，因为数据聚类算法很多，都不是很容易实现，更不用说在效果，效率上的分析，而且绝大多数算法的优缺点早就总结过了，也很难创新，我专业是数据挖掘，我在研究生期间都不做这样的论文
一个程序的核心在于算法。比如说打开一个软件和运行一个软件的速度在计算机硬件性能相同情况下，软件的算法起到了几近决定性作用，所有的计算机软件和硬件的编程都是需要算法的，就算一个hello world程序虽然我们编时候没有用到算法但是在编译他和运行再屏幕显示的时候就是算法了。算法是计算机乃至自然界的核心，如果知道人脑的算法，就可以制造出人工智能的软件。算法太多，也就不全部列举出来了，具体的还有用法，你自己看下书或去网上找下，都应该可以找到的：比如：贪心算法，蚁群算法，遗传算法，进化算法，基于文化的遗传算法，禁忌算法，蒙特卡洛算法，混沌随机算法，序贯数论算法，粒子群算法，模拟退火算法等等。
本科论文查重率普遍是要求在30%以下的，超过30%视为抄袭，且论文不通过，无法参加毕业答辩，无法顺利拿到毕业证书，绝大多数本科学校的本科毕业论文查重率标准但几乎全部学校大学本科阶段的论文查重率标淮全部都是如此。一般情况下，30%的重复率是一个分界点。假如高过这一标准，也就说明没法参加论文答辩，相当于没法圆满毕业而且取得学位证书。与此同时也不具备优秀毕业论文的评选资质。假如低于这一标值，那么大学生们完全能够放心，因为这些毕业论文都能够获得学校的肯定。降低论文重复率的方法1、翻译巧用这种方法命名为“Google法”。“所谓‘Google法’，就是将自己重复的语句，用Google在线翻译成英文，然后将翻译好的英文用Google在线翻译全部转回中文。这样句式和结构就会发生改变，最后再修改语病就可以了。2、转换图片论文中的表格内容数据是可以识别的。如果表格的内容有很大的重复度，那么可以把表格截图保存，再放到论文中去。大家可以多参考一些国外的资料，因为在知网的对比文库中，外文资料相对比较少一些，而且用自己的理解翻译成中文的话。
大致上所有的本科院校所规定的本科生毕业论文查重率合格标准都是在30%及以内，本科毕业生想要顺利通过毕业论文查重的话，一定要严格按照自己院校的本科论文查重率标准来要求自己写作的毕业论文。
给你意见，给你参考
一般情况下本科论文的查重率只要低于30%即可这是理工类的论文，文科的论文可能要求更为严格一些。其实每个学校对于论文的查重率都有不同，一般的要求不严格都是20%到30%，严格的要求要10%以下或者左右。具体你们的查重率学校会有通知，老师也会说明。
1 电气自动化和电脑的整合运用。2 电气自动化和移动通讯的整合运用3 自动化组装机取代人工生产线的规划运用4 电气自动化的数据收集和统计分析5 电气自动化用于质量管理的规划和运用6 电气自动化运用在精益生产线的规划和分析这些都是目前比较有深度的题目
控制花样喷泉.doc 在数控车床控制系统中的应用控制五层电梯设计 4.超高压水射流机器人切割系统电气控制设计5.基于PLC的恒压供水系统设计 6.西门子PLC交通灯毕业设计7.双恒压供水西门子PLC毕业设计 8.世纪星组态PLC控制自动配料系统毕业论文9.三菱梯形图PLC控制四层电梯 10.三菱PLC五层电梯控制11.全自动洗衣机西门子PLC控制 12.欧姆龙PLC控制交通灯13.基于PLC电机故障诊断系统设计 14.双恒压无塔供水系统plc设计毕业论文15.工业用洗衣机的PLC控制 在配料生产线上的应用毕业论文17.变频调速恒压供水系统 电梯控制毕业论文19.基于PLC电梯控制设计 20.基于PLC中断技术的集选电梯控制系统实现
1、高压软开关充电电源硬件设计2、自动售货机控制系统的设计3、PLC控制电磁阀耐久试验系统设计4、永磁同步电动机矢量控制系统的仿真研究5、PLC在热交换控制系统设计中的应用6、颗粒包装机的PLC控制设计7、输油泵站机泵控制系统设计8、基于单片机的万年历硬件设计9、550KVGIS中隔离开关操作产生的过电压计算10、时滞网络化控制系统鲁棒控制器设计11、多路压力变送器采集系统设计12、直流电机双闭环系统硬件设计13、漏磁无损检测磁路优化设计14、光伏逆变电源设计15、胶布烘干温度控制系统的设计16、基于MATLAB的数字滤波器设计与仿真17、电镀生产线中PLC的应用18、万年历的程序设计19、变压器设计20、步进电机运动控制系统的硬件设计21、比例电磁阀驱动性能比较22、220kv变电站设计23、600A测量级电流互感器设计24、自动售货机控制中PLC的应用25、足球机器人比赛决策子系统与运动轨迹的研究26、厂区35kV变电所设计27、基于给定指标的电机设计28、电梯控制中PLC的应用29、常用变压器的结构及性能设计30、六自由度机械臂控制系统软件开发31输油泵站热媒炉PLC控制系统设计32步进电机驱动控制系统软件设计33足球机器人的视觉系统与色标分析的研究34自来水厂PLC工控系统控制站设计35永磁直流电动机磁场分析36永磁同步电动机磁场分析37应用EWB的电子表电路设计与仿真38电路与电子技术基础》之模拟电子篇CAI课件的设计39逻辑无环流直流可逆调速系统的仿真研究40机器人足球比赛图像采集与目标识别的研究41自来水厂plc工控系统操作站设计42PLC结合变频器在风机节能上的应用43交流电动机调速系统接口电路的设计44直流电动机可逆调速系统设计45西门子S7-300PLC在二氧化碳变压吸附中的应用46DMC控制器设计47电力电子电路的仿真48图像处理技术在足球机器人系统中的应用49管道缺陷长度对漏磁场分布影响的研究50生化过程优化控制方案设计51交流电动机磁场定向控制系统设计52开关电磁阀流量控制系统的硬件设计53比例电磁阀的驱动电源设计54交流电动机SVPWM控制系统设计55PLC在恒压供水控制中的应用56西门子S7-200系列PLC在搅拌器控制中的应用57基于侧抑制增强图像处理方法的研究58西门子s7-300系列plc在工业加热炉控制中的应用59西门子s7-200系列plc在电梯控制中的应用60PLC在恒压供水控制中的应用61磁悬浮系统的常规控制方法研究62建筑公司施工进度管理系统设计63网络销售数据库系统设计64生产过程设备信息管理系统的设计与实现
电梯的PIC程序控制 这是我的毕业论文题目 咋俩同专业 或者 路口交通灯的PLC控制 这个就太简单了 还有啥 我给忘了、。。。
[1]朱岑郁.国内户外音乐节运营问题研究[D].南京艺术学院2014
[2]左康秀.我国在线音乐产业的价值链[J].经营与管理.2014(06)
[3]孙武军，陆璐.交叉网络外部性与双边市场的倾斜式定价[J].中国经济问题.2013(06)
[4]余家辉.歌曲翻唱的版权问题研究[D].暨南大学2014
[5]李泉.双边市场价格理论及其产业应用研究[D].上海交通大学2008
[6]于霞.基于Hotelling模型的零售平台企业定价[J].统计与决策.2013(19)
[7]盛利.网络音乐有偿下载模式及其国内建设[J].音乐传播.2013(03)
[8]袁楠.天津大学“北洋合唱团”培养与训练的研究[D].曲阜师范大学2014
[9]徐天维.黄山市屯溪区民间音乐教育传承的可行性研究[D].南京艺术学院2014
[10]周加海.观第九届中国音乐金钟奖美声组比赛有感[D].河南大学2014
[11]武立强.山西交响乐演出市场调查与营销策略研究[D].河北师范大学2014
[12]尹隆.基于双边市场理论的媒体广告价格调整问题研究[J].北京工商大学学报(社会科学版).2013(05)
[13]王小芳，纪汉霖.双边市场的识别与界定：争论及最新进展[J].产业经济评论.2013(03)
[14]张鲁晶.大学生满意度模型构建与影响因素分析[D].首都经济贸易大学2010
[15]郑桂凤.移动互联网的用户行为分析系统的设计与实现[D].北京邮电大学2010
[16]张效辉.外商直接投资影响我国农业产业结构演变的机理研究[D].浙江财经学院2011
[17]刘文婷.以运营商为主导的移动互联网业务商业模式研究[D].北京邮电大学2009
[18]王娜仁图雅.浑善达克沙地草原畜牧业生产与气候关系初探[D].内蒙古师范大学2009
[19]侯琳琦，郑晓慧.三网融合带给中国数字音乐的机遇和挑战[J].人民音乐.2013(09)
[20][J].(1)
[21]AtipAsvanund,KarenClay,RamayyaKrishnan,[J].(2)
[22]‐SIDEDMARKETSWITHMULTI‐HOMING[J].(3)
[1]房婷，蒋达.音乐可视化研究[J].电影评介.2013(05)
[2]付一超，张宏，林高雅，胡志强，赵瑞瑞.音乐播放中RGB-LED混光呈现匹配研究与实现[J].哈尔滨理工大学学报.2014(06)
[3]翟明超.浅谈色彩音乐的发展[J].大众文艺.2011(24)
[4]张宏，田春伟，林高雅，李小进，刘露.基于音频信号频谱分析的混合光效设计与实现[J].哈尔滨理工大学学报.2013(06)
[5]黄玉豪.STC89C58RD+单片机在MP3播放器设计中的应用[J].电子产品世界.2013(06)
[6]何谐.FAT32文件系统在Cortex-M3音乐播放器中的应用[J].单片机与嵌入式系统应用.2013(06)
[7]翁斌.嵌入式系统中USB总线的应用[J].电子质量.2013(01)
[8]Zoranovic,AleksandarL,Stojanovic,GoranM,Malbasa,[J].(3)
[9][J].(1)
[10]李书宇.WSN在农业温室监测系统中的应用[D].哈尔滨理工大学2013
[11]李欣欣.基于MPI的层次聚类算法的研究及实现[D].哈尔滨理工大学2012
[12]林钦.基于LotusDomino的办公自动化系统的设计与实现[D].福州大学2010
[13]张雪芳.浅谈音乐心理治疗[J].北方音乐.2011(11)
[14]张龙.基于S2SH+ExtJS的市级卫生防疫部门OA系统的设计与实现[D].福州大学2010
[15]胡远涛.基于中职学校“构、分、破、锁”的多边形建模和有关渲染技术的教学研究[D].西北师范大学2014
[16]符运河.基于AX2010解码芯片的嵌入式MP3播放系统的设计与实现[D].哈尔滨工业大学2012
[1]冯昕.智能手机美食应用信息设计研究[D].华东理工大学2015
[2]王兆，胡锦.从用户需求分析如何初步定义产品功能[J].艺术与设计(理论).2011(02)
[3]聂大安，李彦，麻广林，马涛.基于用户需求分类的同步多产品设计方法[J].计算机集成制造系统.2010(06)
[4]郁宁亚.LTE基站系统安全性算法及接口的FPGA设计与实现[D].武汉邮电科学研究院2015
[5]庄小芳.无线Mesh网络信道分配算法的研究[D].福州大学2011
[6]王昆鹏.基于文化因子的互联网产品满意度研究[D].浙江大学2011
[7]石曦.手持移动设备的界面设计模式和框架研究[D].北京服装学院2015
[8]熊子鉴.老年消费者高端养老消费意愿的影响因素研究[D].浙江工商大学2015
[9]陈颖.无线传感器网络自适应任务分配算法的研究[D].福州大学2011
[10]王钦.基于ZigBee无线传感器网络的研究与应用[D].福州大学2010
[11]周昱含.基于无线传感器网络的自适应压缩传感重构算法的研究[D].南开大学2013
[12]张沙沙.基于层次分析法的移动互联网产品可用性研究[D].北京邮电大学2010
[13]黄文涛.基于用户研究的互联网产品界面设计及评估[D].南京航空航天大学2013
[14]于晓燕.智能手机游戏界面设计研究[D].华东理工大学2015
[15]殷佳丽.基于情感化设计的儿童互联网产品界面视觉设计研究[D].苏州大学2014
[16]彭佳.基于用户体验的老年智能手机APP界面交互设计研究[D].华东理工大学2014
[17]赵文政.不同终端的互联网产品移植中的差异化设计研究[D].北京印刷学院2013
[18]程求江.基于NGID-DBSCAN算法与最小包围圆模型的基站位置分析[D].武汉邮电科学研究院2015
[19]聂波，王绪刚，王宏安，王纲.手持移动设备中多通道交互的通用开发框架[J].计算机应用研究.2007(09)
[20]CermakLS,';
[21]
这篇文章的整体排版主要是根据个人的博客来哒，如果感兴趣的话可以去我的自己搭建的个人博客看这篇 文章 。
聚类算法很多，所以和讲回归算法一样，分成了上下，上中主要讲了传统的K-Means算法以及其相应的优化算法入K-Means++，K-Means||和Canopy等。下中主要讲了另外两种的思路的聚类算法，即层次聚类和密度聚类。
聚类算就是怼大量未知标注的数据集，按照数据 内部存在的数据特征 将数据集 划分为多个不同的类别 ，使类别内的数据比较相似，类别之间的数据相似度比较小，属于 无监督学习 。
从定义就可以看出，聚类算法的关键在于计算样本之间的 相似度 ，也称为 样本间的距离 。
说到聚类算法，那肯定核心就是计算距离的公式了，目前常用的有以下几种。 闵可夫斯基距离（Minkowski） ：公式
KL距离（相对熵） ： 思考下条件熵的定义，简单的来说就是在放生一件事情的时候，发生另一件事的概率。公式如下公式. 注：这里书的概率不是实指概率，而是熵表达的含义。这个公式其实就是条件熵的公式。
杰卡德相似系数(Jaccard) ： 这个很好理解，它的核心就是使用两个集合的交集和并集的比率来代表两者的相似度，也就是说重合的越多越相似。公式如下，公式.
Pearson相关系数 ： 这个就是考研数学中的相关系数，表达就是两者之间的想关系，所以直接拿来用就好了，公式如下公式。
给定一个有M个对象的数据集，构建一个具有k个簇的模型，其中k<=M。满足 以下条件:
基本思想: 对于给定的类别数目k，首先给定初始划分，通过迭代改变样本和簇的隶属关系，使的每次处理后得到的划分方式比上一次的好，即 总的数据集之间的距离和变小了
K-means的核心算法如下：
再循环中的第二步，我们移动了中心点的位置，把中心点移到了隶属于该中心点类别的所有样本的中间，并使用样本的均值作为位置。这样子看似是拍脑袋想的移动策略，其实是可以推导出来的。正如聚类算法思想所指出的，我们要让所有的点到自己的分类的中心点的欧几里得距离最小，所以我们设置目标放称为公式，公式中的1/2是为了之后求导运算方便。我们为了让目标函数尽可能的小，所以使用了之前一直在使用的思考方式，对其使用梯度下降算法，求导后得到公式，之后令其等于0，就得到了公式。
最后这个看似不错的算法，其实有着不小的缺点，那就是 初值敏感 。我们来仔细想一想，如果两个不小心随机生成的初值落到了一个类别中，两者的距离还特别近，这中情况下就很难正确分类了。除此之外，由于移动策略中使用的是均值，也就是说如果集合中含有非常大的误差点的话，这样子会是中心点的设置偏离正确点很远，所以很多时候我们改用 中值来更新中心点 ，这就是我们说的K-Mediods聚类，即K中值聚类。
总结下K-means算法 优点：
由于K-Means对初始中心点非常敏感，我们这里就尝试着通过二分法弱化初始中心点。这种算法的具体步骤如下：
我们在这个算法中提到了SSE，这个可以是簇内所有样本点，到其中心点的距离的总和，代表着簇内的点是不是高度相关。计算公式如下公式。
可以看出在这种算法下，很好的避开了，两个中心点都在一起的情况。
K-Means++做的改善，是直接对初始点的生成位置的选择进行优化的，他的初始点生成策略如下：
Canopy属于一种“粗略地”聚类算法，简单的来说就是，不那么追求自动获得最优解，而是引入了一种人为规定的先验值进行聚类，具体步骤如下：
注：Canopy算法得到的最终结果的值，聚簇之间是可能存在重叠的，但是不会存在 某个对象不属于任何聚簇的情况 显然，这种算法虽然快，但是很难生成满足我们应用的模型，所以通常我们将它作为解决K-Means初值敏感的方案，他们合在一起就是Canopy+K-Means算法。 顺序就是先使用Canopy算法获得K个聚类中心，然后用这K个聚类中心作为K-Means算法。这样子就很好的解决了K-Means初值敏感的问题。
Mini Batch K-Means算法是K-Means算法的一种优化变种，采用小规模的数据子集，来减少计算时间。其中采用小规模的数据子集指的是每次训练使用的数据集是在训练算法的时候随机抽取的数据子集。Mini Batch K-Means算法可以减少K-Means算法的收敛时间，而且产生的结果效果只是略差于标准K-Means算法。 它的算法步骤如下：
聚类算法的衡量标准有很多，包括均一性、完整性、V-measure、调整兰德系数（ARI ，Adjusted Rnd Index）、调整互信息(AMI，Adjusted Mutual Information)以及轮廓系数等等。
均一性：一个簇中只包含一个类别的样本，则满足均一性。其实也可以认为就是正确率，即每个聚簇中正确分类的样本数占该聚簇总样本数的比例和。其公式如下公式。
完整性：同类别样本被归类到相同簇中，则满足完整性。每个聚簇中正确分类的样本数占该类型的总样本数比例的和，通俗的来说就是，我们已分类类别中，分类正确的个数。 其公式如下，公式：
在实际的情况中，均一性和完整性是往往不能兼得的，就好像抓特务时的矛盾一样，到底是保证每个抓的人都是特务，还是宁可错抓也不放过一个特务，之间的取舍很难把握。所以再一次贯彻，鱼和熊掌不可兼得，我们就加权，于是得到的就是V-measure，其公式如下公式：
兰德系数（RI，Rand index） ，我用中文看了不少讲兰德系数的博客，其中的文字说明几乎都是相同的，对个人的理解帮助不是特别大，于是用英文查的。最终理解了这个系数的参数的意思，想看英文说明的，个人觉得还挺好懂的参考 这里 。以下是我个人的讲解。
首先，将原数据集中的元素进行两两配对形成一个新的数据集，我们称之为S数据集。这时候，我们将原数据集，根据两种不同的策略分别划分成r份和s份，并对这两个数据集命名为X和Y。在这里我们可以看出，X和Y的元素是相同的，只是他们的划分方式不同。 接下来我们来思考，S数据集中，每个元素中的两个样本，在X和Y中只有两种可能，就是两个样本都在一个子集中，或者不在一个子集中，那么对于S中的一个元素，只有四种可能性。
接下来引入， 调整兰德系数(ARI，Adjusted Rnd Index) ，ARI取值范围 ，值越大，表示聚类结果和真实情况越吻合。从广义的角度来将，ARI是衡量两个数据分布的吻合程度的，公式如下：
调整互信息，整体的流程很像ARI，AMI则是对MI进行调整。而MI是使用信息熵来描述的。那么互信息表示了什么呢，首先先看下 维基百科的定义 ：
之前我们说到的衡量指标都是有标签的，这里的轮廓系数则是不包含标签的评价指标。
传统时间序列聚类的缺点： 1）时间序列聚类的研究一般采用等长划分，会丢失重要特征点，对聚类结果有负面影响。 2）采用时间序列测量值不能准确度量相似度。 如下埃博拉出血热、卫生部在数值上很相似，但教育部和卫生部在形状更相似。若是以形状作为度量传统的欧氏距离可能就不太合适了。 不等长时间序列滑窗STS聚类算法： 1）通过标准分数z_score预处理，消除时间序列观测值数量级差异的影响。 2）更改了相似度计算的方式，采用基于滑窗的方法计算不等长序列的距离。 3）采用类k-means的聚类算法的中心曲线计算方法。 时间序列数据因其趋势信息的直观展现形式，广泛应用于社交网络、互联网搜索和新闻媒体数据分析中。例如：Google应用搜索流感的相关信息的时间序列预测流感爆发趋势。根据某话题热度时间序列数据趋势的规律性，通过聚类区分不同类型的时间序列数据。同一类簇的Twitter话题具有相同或相似的发展趋势，进而应用于话题的发展趋势的预测。 时间序列聚类算法可以分为两类。 1）基于原始数据的时间序列聚类算法。 2）基于特征的时间序列聚类算法。 基于特征的时间序列聚类算法指根据原始数据从时间序列中提取形态特征（极值点位置、分段斜率）、结构特征（平均值、方差等统计值特征）、模型特征（模型的预测值），从而根据这些特征值进行聚类。这类方法的优点解决了不等长时间序列聚类问题，缺点是减弱了原始数据值得影响，聚类的形状趋势信息往往比较粗糙。 3. HOW 一、距离度量公式 STS距离计算的是累加时间序列间每个时间间隔斜率差的平方，公式 如上图所示，g1、g2和g2、g3的欧式距离的数值更相近。g1、g2的STS距离大于g2、g3的数值。在形状距离上，STS距离计算方式表现更好，一定程度上可以解决欧式距离度量时间序列局部特征信息确实和受观测数值数量级差异影响大的问题，但是依旧无法度量不等长时间序列的距离。 基于滑窗的STS距离公式。 如上图所示，当计算不同长度的时间序列的s和r的距离时，先不断平移时间序列s，然后找到s和r距离最近的字段，就如同上图虚线之间的位置，此时s和r距离最近，这个最近距离作为s和r之间的距离。 二、预处理过程 z-score标准分数用数据观测值和观测值平均值的距离代替原观测值。z-score处理后的数据平均值为0，标准差为1。标准差的作用是统一量纲，去除数值的数量级差异影响。 总结 本论文提出了形状距离的不等长时间序列的聚类方法。我们可以学到的有 1）z-score统一量纲，消除数值数量级差异，聚类效果更好。 2）计算x和y时间序列的STS距离，可以平移其中一个时间序列，求最小值作为STS距离值，这就消除了同一时间序列不同起始点的影响。