基于K均值聚类的传感器状态分析开题报告

1. 研究目的与意义

聚类分析是一种重要的数据处理方法，在诸多领域有着重要应用。

而 k 均值算法更由于高效、快速的特点成为聚类算法中应用最广泛的一种。

本次研究着重于解决 k 均值算法易受到初始点的影响以及容易收敛到局部极值的缺点，从而使得 k 均值在传感器状态分析中得到更多、更广泛的应用。

2. 国内外研究现状分析

传感器作为现代科技的前沿技术，被认为是现代信息技术的三大支柱之一，也是国内外公认的最具有发展前途的高技术产业。

在国内有自动化方面的专家指出塑料工业网，传感器技术直接关系到我国自动化产业的发展形势，认为传感器技术强，则自动化产业强。

由此可见传感器技术对自动化产业乃至整个国家工业建设的重要性。

3. 研究的基本内容与计划

研究内容：1.研究的背景，研究的目的和意义；2.目前主要研究进展；3.传感器数据处理主要方法综述；4.K均值聚类基本算法及其实现；5.对实际数据的处理及结论分析。

研究计划：1.2018,9,112，31确定选题，收集整理资料；2.2019,1,13,15完成开题报告；3.2019,3,164,20完成论文1稿；4.2019,4,215,24修改完善论文，完成论文2稿；5.2019,5,256,21修改完善论文，完成论文3稿；6.2019,6,226,30准备答辩，答辩，修改并提交论文终稿。

4. 研究创新点

论文基于K均值聚类算法研究传感器状态，根据学者研究发表的各类传感器论文对传感器状态进行详细分析，传感器在各个高新科技领域都是不可或缺的，如航空领域的航空发电机传感器，应结合研究的实际情况，分析传感器状况，并指出其目前存在的问题，并对传感器的发展趋势提出意见和建议。