1、從部隊的戰斗力出發(fā)，建立了較完備的地空導彈營(yíng)戰斗力的評估指標體系，提出了一種基于灰色定權聚類(lèi)和三角白化權函數的地空導彈營(yíng)戰斗力的灰色聚類(lèi)評估方法。
2、模糊聚類(lèi)算法是一種有效的聚類(lèi)手段，介紹了最大樹(shù)模糊聚類(lèi)算法。
3、針對多個(gè)專(zhuān)家給出語(yǔ)言相似矩陣的聚類(lèi)分析問(wèn)題，提出一種新的編網(wǎng)聚類(lèi)分析方法。
4、得到的聚類(lèi)圖基本上反映了這些貝母的親緣關(guān)系，由此表明，的方法可進(jìn)行川貝母藥材的評價(jià)與鑒定。
5、接著(zhù)提出了一種用聚類(lèi)分析、非參數檢驗等構成的指標動(dòng)態(tài)篩選方法，有效的解決了全面性和代表性的問(wèn)題。
6、在論述灰色聚類(lèi)方法原理的基礎上，以東江河源段水質(zhì)評價(jià)為實(shí)例，探討了灰色聚類(lèi)法在水質(zhì)評價(jià)中的應用。
7、運用系統聚類(lèi)和模糊聚類(lèi)方法，確認貴州麻鴨在我國主要地方鴨種中的分類(lèi)地位。
8、文章通過(guò)對鋅鋇白顏料粉種聚類(lèi)分析的仿真研究，說(shuō)明人工免疫算法廣闊的實(shí)用價(jià)值。
9、在改進(jìn)后的算法中添加螞蟻短期記憶和簇合并算法，解決了聚類(lèi)結果中存在“子簇”的問(wèn)題。
10、提出一種基于互信息約束聚類(lèi)的圖像標注算法。
11、論文在鏡頭分割的基礎上提出了基于多特征的鏡頭聚類(lèi)分析和基于鏡頭的場(chǎng)景邊界檢測兩種視頻場(chǎng)景構造方法，從而實(shí)現視頻層次結構挖掘。
12、以專(zhuān)用詞典為切分工具，建立以概念為基礎的、具有主題分類(lèi)特點(diǎn)的類(lèi)目結構是中文信息動(dòng)態(tài)自動(dòng)聚類(lèi)的一種適用方式。
13、據此。本文應用模糊動(dòng)態(tài)聚類(lèi)和模式識別相結合的方法，在人機交互解釋系統上自動(dòng)實(shí)現微地震相分析。
14、聚類(lèi)回歸能較好地處理非正態(tài)性資料和多重共線(xiàn)性。
15、通過(guò)線(xiàn)性變換得出模糊聚類(lèi)指標及模糊子集。
16、用灰色聚類(lèi)的方法對不定量的概念、末綜合考慮的評價(jià)因素，給出量化的、綜合的評估結果，從而對色譜柱分離效果從量的角度進(jìn)行了分析。
17、聚類(lèi)結果與數值分類(lèi)及全細胞可溶性蛋白電泳分析結果基本一致。
18、其中，模糊線(xiàn)性回歸預測模型和基于軟分類(lèi)空間的模糊聚類(lèi)分析預測模型較傳統模型有改進(jìn)，預測精度得到了進(jìn)一步提高。
19、該算法將聚類(lèi)方法和算法的優(yōu)點(diǎn)結合起來(lái)，從而達到縮減了訓練樣本數量，減少了算法計算量，加快檢索速度的目的。
20、針對非線(xiàn)性時(shí)間序列的故障預報問(wèn)題，提出一種融合最小二乘支持向量機和核減聚類(lèi)的方法。
21、針對解決具有語(yǔ)言評價(jià)信息的多指標聚類(lèi)分析問(wèn)題，提出了一種基于二元語(yǔ)義信息處理的最大樹(shù)聚類(lèi)方法。
22、利用最大樹(shù)法來(lái)實(shí)現對小樣本案例的聚類(lèi)與提取，避免了制定推理規則的復雜性。
23、本文應用聚類(lèi)判別分析的多元統計方法，對十二個(gè)廠(chǎng)家生產(chǎn)的安宮牛黃丸進(jìn)行了綜合質(zhì)量評價(jià)。
24、方法利用圖論和模糊數學(xué)中的最大樹(shù)聚類(lèi)法為標準，對不同的聚類(lèi)過(guò)程進(jìn)行分析，找出系統聚類(lèi)法中某些聚類(lèi)過(guò)程給聚類(lèi)結果帶來(lái)的嚴重影響的原因。
25、利用知網(wǎng)較完備的知識體系來(lái)構造概念詞典和概念層次結構，實(shí)現了一種以知網(wǎng)為背景知識的基于概念的中文文本聚類(lèi)算法。
26、在分析新疆城市競爭力綜合排名及類(lèi)型聚類(lèi)的基礎上，探討了新疆城市競爭力的優(yōu)化對策。
27、提出了一種新的基于關(guān)聯(lián)規則的多層文檔聚類(lèi)算法，該算法利用新的文檔特征抽取方法構造了文檔的主題和關(guān)鍵字特征向量。聚類(lèi)造句。
28、作者運用軟件，對收集來(lái)的這八臺機器在較長(cháng)一段時(shí)間內的停機時(shí)間數據進(jìn)行了聚類(lèi)分析和相關(guān)性分析，找出了造成失效時(shí)間較多的幾個(gè)主要因素。
29、對被調控基因協(xié)作網(wǎng)的聚類(lèi)研究發(fā)現，大部分的類(lèi)都顯著(zhù)地富集一個(gè)或者多個(gè)功能注釋。
30、首先用閾值分割法去除紅毛丹背景，然后用模糊均值聚類(lèi)方法來(lái)分割果肉區域。
31、由聚類(lèi)方法所得結果看出，在該海區中有八個(gè)變性水團。
32、將應用于模糊聚類(lèi)分析，給出求解模糊相似矩陣和傳遞閉包的算法。
33、聚類(lèi)分析顯示強迫型人格障礙同強迫癥存在密切關(guān)系。
34、在定量評價(jià)的數學(xué)模型中，應用型聚類(lèi)分析劃分土地生態(tài)類(lèi)型，應用主成分分析法確定各生態(tài)類(lèi)型的地位級指數。
35、實(shí)驗表明，通過(guò)人工免疫網(wǎng)絡(luò )與傳統統計分析工具的結合，能夠有效地從數據集合中提取有用的聚類(lèi)。
36、將超圖模型以及基于此的聚類(lèi)算法應用到社區結構發(fā)現的領(lǐng)域。
37、通過(guò)對有關(guān)信息構建研究論文的聚類(lèi)，把一些特征上類(lèi)似的信息歸并在一起，鎖定了信息構建研究的主題范圍。
38、而且系統分類(lèi)具有實(shí)時(shí)性，聚類(lèi)方式直觀(guān)明了。
39、合并連接緊密度高的結點(diǎn)，得到最后的聚類(lèi)結果。
40、第二階段采用統計直方圖聚類(lèi)削波求取閾值，并得到最終準確的端點(diǎn)。
41、聚類(lèi)分析是多元分析的一個(gè)分支。
42、本文將模糊聚類(lèi)水質(zhì)評價(jià)方法應用于貴州三岔河某段面的水質(zhì)評價(jià)。
43、同時(shí)根據基元信息的類(lèi)特征，采用了基于關(guān)聯(lián)函數的動(dòng)態(tài)聚類(lèi)算法，解決了報警等級分類(lèi)問(wèn)題。
44、這些分析技術(shù)已經(jīng)應用到數據挖掘的很多領(lǐng)域，尤其在聚類(lèi)分析中，平行坐標對數據集的定性分析使聚類(lèi)結果的合理性得到證明。
45、應用聚類(lèi)分析綜合評價(jià)技術(shù)，實(shí)現了開(kāi)發(fā)層系劃分的程序化和標準化。
46、再按照層次聚類(lèi)的方法，合并連接相似度高的子簇，得到最終的聚類(lèi)結果。
47、針對一類(lèi)特征指標值及指標權重均為三角模糊數的多指標信息聚類(lèi)問(wèn)題，提出了一種新的最大樹(shù)聚類(lèi)分析方法。
48、利用檢索結果的聚類(lèi)性，以聚類(lèi)用戶(hù)反饋來(lái)提高檢索系統的準確率和有效率。?(好工具)
49、闡述了有序樣本聚類(lèi)方法在流域規劃、水土保持分區中的應用，對提高分區的合理性、科學(xué)性具有很高的實(shí)用價(jià)值。
50、并在此基礎上建立模型對我國行業(yè)工傷事故風(fēng)險進(jìn)行聚類(lèi)分析。
51、為減少語(yǔ)音識別中聲學(xué)模型的參數量，提高參數訓練的魯棒性，提出了一種基于升值法模糊聚類(lèi)的異音混合共享模型。
52、為有效地檢測聚類(lèi)的邊界點(diǎn)，提出基于統計信息的邊界模式檢測算法。
53、利用數據聚類(lèi)理論和方法對各天的路段上的交通流速度進(jìn)行了聚類(lèi)分析，驗證了速度數據的周相似的性質(zhì)，總結出了速度數據的分類(lèi)表。
54、最后給出綜合制圖的一個(gè)范例，分類(lèi)結果與已知聚類(lèi)圖完全一致。
55、以“數字流域”為平臺，采用統計軟件，利用主成分分析和聚類(lèi)分析方法進(jìn)行了流域土地質(zhì)量等級評價(jià)。
56、該方法采用核密度估計模型來(lái)構造近似密度函數，利用爬山策略來(lái)提取聚類(lèi)模式。
57、以地質(zhì)綜合分析的定性分析結論為基礎，采用灰色系統理論中的灰聚類(lèi)方法建立的剩余油定性描述量化模型，實(shí)現了剩余油潛力大小的定量化評價(jià)。
58、面對滿(mǎn)足二維空間鄰接條件的聚類(lèi)問(wèn)題，定義了鄰接矩陣的概念。
59、提出并設計了一種用于高維稀疏相似矩陣的文本聚類(lèi)算法。
60、主要有對相關(guān)研究背景的介紹，描述了局域簡(jiǎn)并度的計算方法和聚類(lèi)計算算法。
61、通過(guò)計算抽取模式的上下文之間的語(yǔ)義相似度可以降低模式聚類(lèi)的錯分率，提高詞典內涵屬性值抽取的準確率。
62、實(shí)驗表明，該算法較之于已提出的半監督聚類(lèi)算法，獲得了更好的聚類(lèi)性能。
63、提出了一種基于連通分支的聚類(lèi)分析算法，用以解決鋁電解工業(yè)生產(chǎn)中槽況的分類(lèi)問(wèn)題。
64、然后依據傳統的編網(wǎng)聚類(lèi)方法的基本思路，給出基于群體語(yǔ)言相似矩陣的聚類(lèi)分析方法的計算步驟。
65、探討物流園區、物流中心的概念，以及它們之間的相互關(guān)系，并對物流節點(diǎn)類(lèi)型確定進(jìn)行了聚類(lèi)分析。
66、針對復雜巖性識別中存在的模糊性，應用交會(huì )圖和模糊聚類(lèi)方法對復雜巖性?xún)拥膸r性識別問(wèn)題進(jìn)行了研究。
67、以圖像的布朗維數為紋理特征對編碼中的圖像塊進(jìn)行聚類(lèi)和排序，實(shí)現了對每個(gè)值域塊所需比較定義域塊數目的精確控制。
68、其算法主要有傳遞閉包法、動(dòng)態(tài)直接聚類(lèi)法和最大樹(shù)法等，其中動(dòng)態(tài)直接聚類(lèi)法計算量最少。
69、由相似矩陣進(jìn)行模糊聚類(lèi)分析，得到了汕頭港地區底沙輸運路徑。
70、針對基本差分進(jìn)化算法早熟收斂的缺陷，提出了一種基于密度聚類(lèi)的小生境差分進(jìn)化算法。
71、我們應用模糊聚類(lèi)均值對醫學(xué)圖像進(jìn)行處理，增強了對薄骨和關(guān)節接合處骨骼的識別能力，取得了較好的三維重建效果。
72、隨著(zhù)電子計算機在農業(yè)科研中的應用，使聚類(lèi)分析方法顯示了其特有的功能。
73、星座圖聚類(lèi)是表型性狀的聚類(lèi)，聚類(lèi)結果與自交系間的血緣無(wú)必然的聯(lián)系。
74、探討了聚類(lèi)分析這一重要的數據挖掘方法在綜合評價(jià)中的應用，將模糊聚類(lèi)與綜合評價(jià)相結合以解決待評價(jià)方案數較多的排序問(wèn)題，并且文中還改進(jìn)了建立模糊相似矩陣的方法。
75、在灰色定權聚類(lèi)模型的基礎上，提出了一種基于三角白化權函數的評估模型。
76、實(shí)驗表明，基于鏡頭的場(chǎng)景邊界檢測性能優(yōu)于基于多特征的鏡頭聚類(lèi)分析。
77、用此模型進(jìn)行水質(zhì)評價(jià)，可以克服灰色聚類(lèi)法評價(jià)結果趨于均化的缺點(diǎn)。
78、規則學(xué)習模塊通過(guò)自組織聚類(lèi)過(guò)程自動(dòng)生成規則。
79、對隨機取樣的過(guò)程、特征及缺陷進(jìn)行了分析，提出一種基于樹(shù)子樣的聚類(lèi)初始化方法。
80、在經(jīng)典謠言傳播模型的基礎上，研究了具有冪律度分布和可變聚類(lèi)系數的無(wú)標度網(wǎng)絡(luò )上的謠言傳播行為。
81、比較完善的聚類(lèi)分析支持手動(dòng)選擇初始聚類(lèi)中心，類(lèi)似監督法分類(lèi)。
82、同時(shí)引入聚類(lèi)分析有效性評價(jià)的統計量，實(shí)現了模糊聚類(lèi)的自適應性，避免了聚類(lèi)數目選取上存在的主觀(guān)性。
83、星座圖與連接向量圖是多變量統計的直觀(guān)方法，可用于多變量樣本或多變量指標的聚類(lèi)分析。
84、結論秩和比法作為一種非參數綜合評價(jià)方法，可以與聚類(lèi)分析聯(lián)合應用于衛生服務(wù)評價(jià)。
85、圖形繪制包括：直方圖、因子平面散點(diǎn)圖、聚類(lèi)譜系圖、剖面圖。
86、然后采用密度估計技術(shù)和爬山策略，定義和提取圖像數據庫的聚類(lèi)以及歸類(lèi)。
87、聚類(lèi)法分析表明：川東白山羊與重慶黑山羊首先相聚，然后再與板角山羊相聚。
88、應用模糊聚類(lèi)分析客觀(guān)分型劃類(lèi)的一種多元分析方法，對城市交通社會(huì )總成本進(jìn)行了比較。
89、蜱類(lèi)在中國分布的聚類(lèi)分析結果與中國的動(dòng)物地理區劃基本一致，但華北區及甘肅、安徽、河南、云南與中國大陸動(dòng)物區系差異較大。
90、針對具有語(yǔ)言評價(jià)信息的多指標群聚類(lèi)分析問(wèn)題，提出一種基于二元語(yǔ)義信息處理的最大樹(shù)聚類(lèi)方法。
91、應用模糊聚類(lèi)方法，對阿克蘇市當前棉花生產(chǎn)水平下地膜棉播期氣象年型進(jìn)行分類(lèi)。
92、實(shí)驗表明，修正的簡(jiǎn)單分箱核估計構造方法具有良好的時(shí)間效率和計算精度，能夠運用于面向大規模數據集的聚類(lèi)分析應用。
93、本文試圖通過(guò)結合聚類(lèi)分析和進(jìn)化樹(shù)分析的方法以解決此問(wèn)題。
94、盡管分割不很精確，但是作為預處理手段，這種分割算法在某些特殊情況下對其他聚類(lèi)算法有很大幫助。
95、在車(chē)牌定位階段，本文提出了基于連通區域水平聚類(lèi)的車(chē)牌粗定位方法。
96、提出了一種免疫聚類(lèi)算法，該算法主要包括抗體產(chǎn)生、抗原識別和抗體優(yōu)化等過(guò)程。
97、結論：聚類(lèi)回歸能較好地處理非正態(tài)性資料和多重共線(xiàn)性。
98、該算法動(dòng)態(tài)增量的檢測聚類(lèi)對象簇的有效性。
99、采用聚類(lèi)分析研究了南屯煤礦礦井水的水化學(xué)特征，并進(jìn)行了水質(zhì)評價(jià)。
100、孫才新。郭俊峰。廖瑞金變壓器油中溶解氣體分析中的模糊模式多層聚類(lèi)故障診斷方法的研究。