1. 研究目的与意义（文献综述）

聚类分析是数据挖掘中的一个重要研究领域，是一种数据划分或分组处理的重要手段和方法。聚类无论在商务领域，还是在生物学、web文档分类、图像处理等其他领域都得到了有效的应用。目前聚类算法大体上分为基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及模糊聚类。k-means算法是聚类算法中主要算法之一，它是一种基于划分的聚类算法。该算法有很多优点：

(1)是解决聚类问题的一种经典算法，简单、快速;

(2)对处理大数据集，该算法保持可伸缩性和高效性;

2. 研究的基本内容与方案

一、研究的基本内容及目标

1、掌握k-means算法的基本原理；

2、运用python语言实现k-means算法聚类；

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] gonzalez t. clustering to minimize andmaximum intercluster distance[j]. 38(2-3):293-306.

[2] pal n.r., bezdek j.c.. ieee transactions on fuzzysystems: a publication of the ieee neural networks council[j]. 370-379.

[3] han jiawei, kamber m,范明, et al. datamining concepts and techniques[m]. 北京:机械工业出版社.