1. 研究目的与意义
(1)本课题的研究背景
现在人们的口中越来越频繁地谈及到“大数据”“人工智能”，大数据和人工智能也确实正在慢慢融入我们的生活。人工智能也慢慢的出现在了我们的生活之中，而其中会常用到ransac算法，例如图像搜索时的纠错和物体识别等等逐渐运用到机械学习和人工智能。而聚类分析作为一种探索性的分析，与我们的生活息息相关，聚类源于很多领域，包括数学，计算机，统计学，生物学和经济学。对于其进行深入的学习和应用，将在未来很多领域里发挥作用。
2. 研究内容和预期目标
1.了解ransac算法的基本原理，针对不同模型实现有噪声数据的自动聚类问题，要求用一种高级语言（c 或java或matlab等均可）编程实现算法
2.研究ransac算法的基本原理以及ransac在子结构聚类时的fitting-and-removing策略
3.建立基于ransac点集聚类的算法流程并编程实现.
3. 研究的方法与步骤
1.先检索文献资料理论学习研究ransac算法的基本原理并研究学习聚类分析
2.按照步骤尝试学习利用fitting-and-removing策略建立相应的点集聚类算法模型
3.翻译一段相关内容的英文文献
4. 参考文献
[1] 1. martin a. fischler and robert c. bolles (june 1981). random sample consensus: aparadigm for model fitting with applications to image analysis and automated cartography.comm.of the acm24: 381–395
2. wang jg, luo x. purposive sample consensus: a paradigm for model fitting withapplication to visual odometry, communications of the acm, 24, 381-395.
5. 计划与进度安排
1、2022年3月5日-3月18日，学生完成开题报告；
2、2022年3月19日-6月5日，毕业论文写作，按开题报告撰写论文；
