1. 研究目的与意义（文献综述）

题目：spark下面向ais数据的流聚类算法研究与实现

背景资料：

随着我国海运事业的不断发展，我国海运船队规模已稳居世界第三位，海运船舶呈现出高速化、智能化的趋势。面对海运发展新形势，进一步按照国防安全船队、经济安全船队和商业船队三项要求加强海运船队建设，提升海运协同创新服务能力至关重要。同时，随着我国经济的发展，进出我国港口、航道的船舶流量也在不断增加。为了适应吞吐量快速增长的大型船舶需要，加强海上生命安全、提高航行的安全性和效率，建设一套良好的数字助航系统迫在眉睫，ais系统（船舶自动识别系统）便应运而生。

2. 研究的基本内容与方案

基本内容与目标：

1）分析目前流聚类算法的优劣，比如d-stream和基于密度峰值的聚类算法等；

2）针对ais数据的特点，选择具体扩展区域界定标准，运用流聚类算法对其船舶轨迹进行高效的聚类分析；

3. 研究计划与安排

1. 2018/1/14—2018/2/22：明确选题，查阅相关文献，外文翻译和撰写开题报告；

2.2018/2/23—2018/4/30：系统架构，系统设计与开发（或算法研究与设计）、系统测试、分析、比较与完善；

3. 2018/5/1—2018/5/25：撰写论文初稿；修改论文，定稿并提交论文评审；

4. 参考文献（12篇以上）

[1]邢长征，王晓旭. 基于扩展网格和密度的数据流聚类算法[j].人工智能及识别技术，2014，40（12）：188-194.

[2]刘卓，杨悦，张健沛，杨静，初妍，张泽宝. 不确定度模型下数据流自适应网格密度聚类算法[j]. 计算机研究与发展，2014，51（11）：2518-2527.

[3]amineh amini n, hadi saboohi, tutut herawan, teh ying wah. mudi-stream: a multi density clustering algorithm for evolving data stream [j]. journal of network and computer applications，2016，59（11）：370-385.