Допустим, есть некоторое (большое) количество курсовых работ (по технологии программирования) с исходными кодами. нужно определить, насколько похожи эти исходники. т.е сравнить их на наличие одинаковых(или очень похожих похожих) кусков кода. И на основе этого анализа, вывести, например коэффициент подобия или процент подобия, или в каких именно работах найдены совпадения...
Иными словам нужно написать программу-aнaлизaтор кода для этого...
может быть, у кого-нибудь есть идеи, советы...или какие-нибудь разработки.... 

Похожесть "с нуля" (unsupervised) неплохо определяеют self organizing maps. А вообще разделение на простые кластеры тут тоже должно дать неплохие результаты. (self organizing maps добавят ещё измерения расстояния между самими кластерами) То есть сперва тебе надо определить признаки по которым вообще делить будешь, потом забиваешь их в многомерное пространство и делишь стандартным алгоритмом (например K-Means).

Думаю в нете дофига про кластеринг написано. Ключевые слова я вроде дал  Удачи! 

http://sun.tsu.ru/mminfo/000212500/000212500.pdf

Вот... Может поможет :-)