1、聚類回歸能較好地處理非正態(tài)性資料和多重共線性。

2、提出并設(shè)計了一種用于高維稀疏相似矩陣的文本聚類算法。

3、應(yīng)用聚類分析綜合評價技術(shù)，實現(xiàn)了開發(fā)層系劃分的程序化和標準化。

4、為有效地檢測聚類的邊界點，提出基于統(tǒng)計信息的邊界模式檢測算法。

5、文章通過對鋅鋇白顏料粉種聚類分析的仿真研究，說明人工免疫算法廣闊的實用價值。

6、利用群體間歐氏距離進行的upgma聚類分析結(jié)果表明，蠟梅野生群體可以劃分為3類.

7、聚類分析顯示強迫型人格障礙同強迫癥存在密切關(guān)系。

8、首先，通過使用dct代替“像素聚類”并重新定義類間散布矩陣，得到一種新的零空間法。

9、闡述了有序樣本聚類方法在流域規(guī)劃、水土保持分區(qū)中的應(yīng)用，對提高分區(qū)的合理性、科學性具有很高的實用價值。

10、接著提出了一種用聚類分析、非參數(shù)檢驗等構(gòu)成的指標動態(tài)篩選方法，有效的解決了全面性和代表性的問題。

11、提出了一種免疫聚類算法，該算法主要包括抗體產(chǎn)生、抗原識別和抗體優(yōu)化等過程。

12、針對解決具有語言評價信息的多指標聚類分析問題，提出了一種基于二元語義信息處理的最大樹聚類方法。

13、面對滿足二維空間鄰接條件的聚類問題，定義了鄰接矩陣的概念。

14、星座圖聚類是表型性狀的聚類，聚類結(jié)果與自交系間的血緣無必然的聯(lián)系。

15、由聚類方法所得結(jié)果看出，在該海區(qū)中有八個變性水團。

16、在灰色定權(quán)聚類模型的基礎(chǔ)上，提出了一種基于三角白化權(quán)函數(shù)的評估模型。

17、運用系統(tǒng)聚類和模糊聚類方法，確認貴州麻鴨在我國主要地方鴨種中的分類地位。

18、這些分析技術(shù)已經(jīng)應(yīng)用到數(shù)據(jù)挖掘的很多領(lǐng)域，尤其在聚類分析中，平行坐標對數(shù)據(jù)集的定性分析使聚類結(jié)果的合理性得到證明。

19、同時引入聚類分析有效性評價的f統(tǒng)計量，實現(xiàn)了模糊聚類的自適應(yīng)性，避免了聚類數(shù)目選取上存在的主觀性。

20、聚類分析發(fā)現(xiàn)方正銀螂最先與異育銀螂聚成一支，再與異育銀螂準回交世代聚合，最后才與興國紅鯉聚合.

21、將matlab應(yīng)用于模糊聚類分析，給出求解模糊相似矩陣和傳遞閉包的算法。

22、為了對交通事故實施量化分析，通過圖表、聚類、相關(guān)、偏相關(guān)及回歸分析等統(tǒng)計方法對2004年某縣交通事故的基本數(shù)據(jù)進行了分析。

23、提出了一種基于連通分支的聚類分析算法，用以解決鋁電解工業(yè)生產(chǎn)中槽況的分類問題。

24、本文根據(jù)日照百分率年變程曲線類型，應(yīng)用聚類分析方法，把全國劃分為12個日照區(qū)。

25、實驗表明，通過人工免疫網(wǎng)絡(luò)與傳統(tǒng)統(tǒng)計分析工具的結(jié)合，能夠有效地從數(shù)據(jù)集合中提取有用的聚類。

26、然后采用密度估計技術(shù)和爬山策略，定義和提取圖像數(shù)據(jù)庫的聚類以及歸類。

27、對隨機取樣的過程、特征及缺陷進行了分析，提出一種基于kd樹子樣的聚類初始化方法。

28、同時根據(jù)基元信息的類特征，采用了基于關(guān)聯(lián)函數(shù)的動態(tài)聚類算法，解決了報警等級分類問題。

29、主要有對相關(guān)研究背景的介紹，描述了局域簡并度的計算方法和聚類計算算法。

30、該方法采用核密度估計模型來構(gòu)造近似密度函數(shù)，利用爬山策略來提取聚類模式。

31、在分析新疆城市競爭力綜合排名及類型聚類的基礎(chǔ)上，探討了新疆城市競爭力的優(yōu)化對策。

32、聚類分析。結(jié)果表明，對中國15種澤瀉科植物定量分類得到的結(jié)果與傳統(tǒng)定性分類的結(jié)果一致。

33、應(yīng)用模糊聚類分析客觀分型劃類的一種多元分析方法，對城市交通社會總成本進行了比較。

34、合并連接緊密度高的結(jié)點，得到最后的聚類結(jié)果。

35、在車牌定位階段，本文提出了基于連通區(qū)域水平聚類的車牌粗定位方法。

36、我們應(yīng)用模糊聚類均值對醫(yī)學圖像進行處理，增強了對薄骨和關(guān)節(jié)接合處骨骼的識別能力，取得了較好的三維重建效果。

37、由相似矩陣進行模糊聚類分析，得到了汕頭港地區(qū)底沙輸運路徑。

38、據(jù)此。本文應(yīng)用模糊動態(tài)聚類和模式識別相結(jié)合的方法，在人機交互解釋系統(tǒng)上自動實現(xiàn)微地震相分析。

39、針對一類特征指標值及指標權(quán)重均為三角模糊數(shù)的多指標信息聚類問題，提出了一種新的最大樹聚類分析方法。

40、通過行業(yè)用戶的聚類，來獲得把白領(lǐng)資源的細分化，一個有價值的細分市場推廣渠道也會隨之誕生。

41、結(jié)論：聚類回歸能較好地處理非正態(tài)性資料和多重共線性。

42、以“數(shù)字流域”為平臺，采用spss統(tǒng)計軟件，利用主成分分析和聚類分析方法進行了流域土地質(zhì)量等級評價。

43、運用分類標準矩陣、單指標白化權(quán)函數(shù)和置信度原則，提出了基于屬性識別的灰色聚類方法。

44、通過對有關(guān)信息構(gòu)建研究論文的聚類，把一些特征上類似的信息歸并在一起，鎖定了信息構(gòu)建研究的主題范圍。

45、應(yīng)用模糊聚類方法，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行分類。

46、然后依據(jù)傳統(tǒng)的編網(wǎng)聚類方法的基本思路，給出基于群體語言相似矩陣的聚類分析方法的計算步驟。

47、針對多個專家給出語言相似矩陣的聚類分析問題，提出一種新的編網(wǎng)聚類分析方法。

48、該算法將聚類方法和knn算法的優(yōu)點結(jié)合起來，從而達到縮減了訓練樣本數(shù)量，減少了算法計算量，加快檢索速度的目的。

49、利用數(shù)據(jù)聚類理論和方法對各天的路段上的交通流速度進行了聚類分析，驗證了速度數(shù)據(jù)的周相似的性質(zhì)，總結(jié)出了速度數(shù)據(jù)的分類表。

50、探討了聚類分析這一重要的數(shù)據(jù)挖掘方法在綜合評價中的應(yīng)用，將模糊聚類與綜合評價相結(jié)合以解決待評價方案數(shù)較多的排序問題，并且文中還改進了建立模糊相似矩陣的方法。