聚类分析及其在经济问题分析中的应用开题报告

1. 研究目的与意义

聚类分析是多元统计分析中研究样本或指标的一种主要的分类方法。聚类分析将个体或者对象分类，使得同一类中的对象之间的相似性比其他类的对象的相似性更强。在古老的分类学中，人们主要靠经验和专业知识，很少利用数学方法。随着生产技术和科学的发展，分类越来越细，凭借经验和专业知识还不能进行确切分类，于是数学逐渐被引入到分类学中，形成数值分类学。近年来，数理统计的多元分析方法有了迅速的发展，多元分析的技术被引入到分类学中，于是从数值分类学中逐渐地分离出聚类分析这个新的分支，结合了更为强大的数学工具的聚类分析方法已经越来越多应用到经济分析中。

聚类源于很多领域，包括数学、计算机科学、统计学、生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展。在经济中，存在着大量的分类研究、构造分类模式的问题。比如为了研究不同地区城镇居民生活水平，往往需要划分为不同的类型。改革开放以来，中国的经济发展取得了巨大的进步，但全国经济发展水平不平衡，存在明显的地区差异，因此为解决发展差异导致的种种问题，对不同地区的经济水平进行划分就显得十分重要。聚类分析可以在此问题上很好地解决划分问题。我们可以根据聚类的结果结合相应的经济学理论，对不同地区给予不同的经济政策，对不同地区给予不同的经济政策，从而减小地区差异，实现经济全面发展。

2. 研究内容和预期目标

研究内容：聚类分析方法；聚类分析方法在经济问题分析中的应用

拟解决的关键问题：将聚类分析方法应用到经济问题中，提出合理建议

写作提纲：

3. 国内外研究现状

聚类分析作为近几年热门研究领域，涉及数据挖掘、模式识别、数据分析等众多学科，一度掀起研究热潮。everitt于1974年对聚类分析定义如下：旨在将样本按其自身的属性聚成若干类，以保证类内样品相似度尽可能高，而类间样本相似度尽可能低。亦有学者将聚类称为无监督的分类，是因为在进行聚类之前没有任何先验信息可以使用，并且聚类将样本聚成几类也是未知的。自everitt给出聚类的定义以来的40多年时间里，有不少学者投身于聚类分析的研究当中，提出了不少聚类分析算法，取得了引人注目的成绩。

在国外，lloyd（1957）基于划分的思想首次提出了k-means聚类算法，macqueen（1967）亦对k-means算法进行了研究：由于k-means聚类算法通常会在获得第一个局部最优值时终止，且只适合于数值型数据的聚类，只能发现聚类结果为凸形的数据集，kaufman（1900）和rousseeuw（1900）分别提出了k中心点算法pam和clara。其后的二三十年时间里，有许多学者对聚类算法进行了相应的研究。

国内对数据挖掘亦有几十年的研究历史，对聚类分析算法的研究也很深入：孔锐，张国宣，施泽生，郭立等人（2004）通过将核学习思想应用于k-means聚类算法中，提出了一种核k-means聚类算法进而提高了k-means算法的运算速度；刘功申、李翔等人（2005）基于向量空间模型提出了关于针对文本数据的聚类分析方法；杨博、刘大有等人（2009）对复杂网络的结构进行分析，将聚类算法应用到复杂网络的特殊结构，实现对复杂网络的聚类分析。近年来，国内学者对聚类分析的研究主要集中在聚类分析的实际应用上，比如金融领域，经济领域以及社会学领域等。比如近来有学者应用聚类分析方法对粤港澳大湾区港口群中的港口进行聚类分层，明确定位各港口，从而提出协调发展策略。由此可见，聚类分析实用性很强，应用领域广泛。

4. 计划与进度安排

1：通过在图书馆或者网络上查找和阅览相关的书籍文献，通过摘录，整理，总结进一步了解相关的知识以及目前的研究方向和研究结论。 2：多与指导老师进行交流沟通，确定文章的整体思路。 3：理论逻辑分析，结合以上的基本工作，通过自己的理论分析能力给出完整的论文。

进度计划：

1．2022年12月11日前——完成开题工作；

5. 参考文献

[1]何晓群.多元统计分析[m].第四版.北京：中国人民大学出版社，2015.

[2]王洪庆.我国地区开放型经济发展水平动态变化趋势研究[j].江西财经大学学报，2015（04）：03-12.

[3]施建刚，王泽.中国城市化于经济发展水平关系研究[j].中国人口科学，2012（02）：79-86.