1. 研究目的与意义
数据挖掘就是从海量的数据中，提取隐含在其中的人们事先不知道的，但又是潜在有用的信息和知识的过程。
而作为数据挖掘技术之一的聚类分析，无论是在数据分析、模型识别，还是在市场分析和图像处理方面都有着广泛的应用，所以越来越受到研究者的关注。
聚类分析就是在没有任何可供学习的样本情况下，将对象集进行自动分组，使类间相似性尽量小，类内相似性尽量大的一种分析方法。
2. 研究内容和预期目标
本文主要讲述了聚类分析在煤生产销售中的应用，对煤类销售市场上各类煤的 需求进行预测，为生产商提供有效的生产策略。因此，本文先从相关的参考文献， 并结合我国总体煤炭销售市场需求量波动情况，确定影响需求者对各类煤需求量 大小的相关指标，然后在相关网站收集所需样本数据，然后通过聚类分析思想对 收集的数据进行处理，得出结果。最后，对结果进行分析，将煤分为几大类，并 对每一类煤炭提出生产销售建议。 （1）现状与需求分析：对煤炭销售的基本情况数据及聚类的主要目的进行了解 分析，明确系统的主要功能模块； （2）系统总体分析与方案设计：包括系统设计思想和原理、系统模块结构的分 析和设计、及其系统的总体工作流程设计等； （3）系统的组织、分配、设计与实现； （4）其它有关软件的设计与实现：选择合适的开发平台，完成软件设计。
3. 国内外研究现状
（1）国际会议及机构:自KDD一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议以来。迄今为止,由美国人工智能协会主办的KDD 国际研讨会已经召开了13次,规模由原来的专题讨论会发展到国际学术大会,人数由二三十 人到超过千人,论文收录数量也迅速增加,研究重点也从发现方法逐渐转向系统应用直到转向大规模综合系统的开发,并且注重多种发现策略和技术的集成,以及多种学科之间的相互渗透。其他内容的专题会议也把数据挖掘和知识发现列为议题之一,成为当前计算机科学界的一大热点。世界上研究数据挖掘的组织、机构或大学很多。比较著名的如卡内基梅隆大学（有机器制造DM、多媒体数据库DM、互连网DM 三个研究中心）、斯坦福大学、麻省理工学院。著名研究机构如：ACM（ACM SpecialInterest Group Knowledge Discovery Data Mining）、KDNetEuropean Knowledge Discovery Excellence)、NCDM（The National Center Data Mining (NCDM) Chicago(UIC)）
（2）刊物、书籍、网站：IEEE 的Knowledge Data Engineering 会刊率先在1993 年出版了KDD 技术专刊。并行计算、计算机网络和信息工程等其他领域 的国际学会、学刊也把数据挖掘和知识发现列为专题和专刊讨论，甚至到了脍炙 人口的程度。此外，在Internet 上还有不少KDD 电子出版物，其中以半月刊 Knowledge Discovery Nuggets 最为权威。IEEE 的Knowledge Data Engineering 会刊在1993 年出版的KDD 技术专刊,所发表的5 篇论文代表了当时KDD 研究的最新成果和动态,较全面地论述了KDD 系统方法论、发现结果的评价、KDD 系统设计的逻辑方法,集中讨论了鉴于数据库的动态性冗余、高噪声和不确定性、空值等问 题,KDD 系统与其它传统的机器学习、专家系统、人工神经网络、数理统计分析系统的联系和区别,以及相应的基本对策。6 篇论文摘要展示了KDD 在从建立分子模 型到设计制造业的具体应用。在网上还有许多自由论坛，如DM Email Club 此外,数据库、人工智能、信息处理、知识工程等领域的国际学术刊物也纷纷开辟了KDD 专题或专刊。4. 计划与进度安排
进度计划（包括起讫日期、工作内容等）：
1、2022-10-19---2022-11-19
与指导老师面谈，讨论论文选题，确定论文写作的进度计划；
5. 参考文献
[1]尤枫，颜可庆.离散数学[M].北京：机械工业出版社。2003:63-75.
[2]李朝鹏.基于分层聚类的并行数据预处理方算法[J].湖南大学,2007,24(10)
[3]王霞.模糊聚类分析的一个改进算法及其应用[J]..天津科技大学 学报.2009,24(6):71-73
