181.一百給出了一個利用模糊相似矩陣直接進行聚類的方法。

182.用灰色聚類的方法對不定量的概念、末綜合考慮的評價因素，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行了分析。

183.提出了一種新的有效的高維空間數據索引方法———聚類金字塔樹。

184.實驗結果表明，與FCM相比本文算法聚類更為準確，效率更高。

185.實驗表明，該算法較之于已提出的半監督聚類算法，獲得了更好的聚類性能。

186.研究了一種基于向量空間模型的文檔聚類方法。

187.聚類分析也稱群分析、點群分析，是研究分類的一種多元統計方法，是構建個性化信息系統的關鍵技術。

188.并在此基礎上建立模型對我國行業工傷事故風險進行聚類分析。

189.一百利用最大樹法來實現對小樣本案例的聚類與提取，避免了制定推理規則的復雜性。

190.本程序實現模糊數學中聚類分析算法，該算法通過遞歸來實現分類。

191.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。

192.經過兩次聚類和兩次擬合得到圓形目標的準確參數。

193.探討物流園區、物流中心的概念，以及它們之間的相互關系，并對物流節點類型確定進行了聚類分析。

194.提出了一種基于聚類算法的選擇原型向量的方法。

195.應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。

196.運用FCM聚類方法，深入探討了收費公路車型分類的公平合理性。

197.本文將模糊聚類水質評價方法應用于貴州三岔河某段面的水質評價。

198.第分論述了一種快速高效挖掘Web日志文件中聚類模式的算法——SLIC。

199.方法:生藥學研究和鑒別特征聚類分析。

200.結果:利用聚類分析對樣本分類結果準確。

201.該方法采用核密度估計模型來構造近似密度函數，利用爬山策略來提取聚類模式。

202.實驗表明，通過人工免疫網絡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。

203.方法利用圖論和模糊數學中的最大樹聚類法為標準，對不同的聚類過程進行分析，找出系統聚類法中某些聚類過程給聚類結果帶來的嚴重影響的原因。

204.聚類結果與數值分類及全細胞可溶性蛋白電泳分析結果基本一致。

205.根據煤礦生產實際，應用灰色系統理論建立了井下勞動環境聚類指標體系。

206.它具有多功能性與開放性，廣泛用于分類、聚類、聯合預測、趨勢分析、因果分析等領域。

207.實驗仿真表明，該算法有較好的聚類效果，且極大地提高了聚類的速度。

208.星座圖與連接向量圖是多變量統計的直觀方法，可用于多變量樣本或多變量指標的聚類分析。

209.探討了聚類分析這一重要的數據挖掘方法在綜合評價中的應用，將模糊聚類與綜合評價相結合以解決待評價方案數較多的排序問題，并且文中還改進了建立模糊相似矩陣的方法。

210.提出并設計了一種用于高維稀疏相似矩陣的文本聚類算法。

211.最后使用層次聚類算法在不同的粒度下逐層聚類，構造成層次樹形結構，實現了不同粒度下的項目分類。

212.品種間的聚類結果基本符合品種的地緣分布。

213.實驗表明，基于鏡頭的場景邊界檢測性能優于基于多特征的鏡頭聚類分析。

214.通過計算抽取模式的上下文之間的語義相似度可以降低模式聚類的錯分率，提高詞典內涵屬性值抽取的準確率。

215.數據聚類或分割就是其中的一種重要的數據發掘應用。

216.現有的聚類算法可以分為:分割算法，分層算法，基于密度算法，基于網格算法，以及基于建模的算法。

217.從聚類概念出發，重新定義了滿足二維空間鄰接條件聚類的概念。

218.最后，對關鍵幀提取和鏡頭聚類等方面做了一定的探討。

219.這些分析技術已經應用到數據挖掘的很多領域，尤其在聚類分析中，平行坐標對數據集的定性分析使聚類結果的合理性得到證明。

220.該文提出了一種基于K近鄰加權的混合C均值聚類算法。

221.接著提出了一種用聚類分析、非參數檢驗等構成的指標動態篩選方法，有效的解決了全面性和代表性的問題。

222.為了對交通事故實施量化分析，通過圖表、聚類、相關、偏相關及回歸分析等統計方法對某縣交通事故的基本數據進行了分析。

223.提出了一種基于遺傳算法的動態模糊聚類方法。

224.聚類分析結果與形態特征及拮抗試驗結果基本一致。

225.同時引入聚類分析有效性評價的F統計量，實現了模糊聚類的自適應性，避免了聚類數目選取上存在的主觀性。

226.一百聚類法分析表明：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。

227.應用主成分分析和聚類分析方法，對永勝縣鄉鎮的主要水稻生產區域的水稻產量及其影響因子進行分析。

228.提出一種基于聚類算法的新聞視頻播音員鏡頭探測方法。

229.針對協商過程的時態關聯具有近似性的特點，提出了一種基于聚類的近似時態關聯規則挖掘方法。

230.聚類算法的好壞直接影響聚類的效果。

231.本文對人的面部表情分類做了研究，提出了一種使用C均值聚類、K近鄰算法的面部表情分類方法。

232.將聚類分析的理論方法應用于AHP的群組決策中，使專家權重的確定更具科學性。

233.為有效地檢測聚類的邊界點，提出基于統計信息的邊界模式檢測算法。

234.為對多密度數據集聚類，提出一種基于密度可達的多密度聚類算法。

235.對被調控基因協作網的聚類研究發現，大部分的類都顯著地富集一個或者多個GO功能注釋。

236.聚類分析直接利用相似矩陣或相關矩陣來分類，但它們本身存在矛盾，分類時也會出現矛盾。

237.針對該問題，提出了一種基于概率密度的數據流聚類算法。

238.該算法按照空間相鄰關系，將空間相鄰的空間目標聚類成一類。

239.一百零本文應用模糊聚類方法研究了煙蚜及其天敵的種群動態。

240.以“數字流域”為平臺，采用SPSS統計軟件，利用主成分分析和聚類分析方法進行了流域土地質量等級評價。