1) 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(biāo)準(zhǔn)化。

2) 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。

3) 利用群體間歐氏距離進(jìn)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.

4) 聚類分析顯示強迫型人格障礙同強迫癥存在密切關(guān)系。

5) 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(biāo)動態(tài)篩選方法，有效的解決了全面性和代表性的問題。

6) 針對解決具有語言評價信息的多指標(biāo)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。

7) 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，行坐標(biāo)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。

8) 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。

9) 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(zhǔn)回交世代聚合,最后才與興國紅鯉聚合.

10) 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。

11) 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。

12) 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)。

13) 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。

14) 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(jìn)行了比較。

15) 由相似矩陣進(jìn)行模糊聚類分析，得到了汕頭港地區(qū)底沙輸運路徑。

16) 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。

17) 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(jìn)了建立模糊相似矩陣的方法。

18) 結(jié)論秩和比法作為一種非參數(shù)綜合評價方法，可以與聚類分析聯(lián)合應(yīng)用于衛(wèi)生服務(wù)評價。

19) 用2種酶系統(tǒng)分別對中國李進(jìn)行單株聚類分析，中國李某些性狀與等位酶基因位點或等位基因的相關(guān)性有待進(jìn)一步研究。

20) 聚類分析是多元分析的一個分支。

21) 在定量評價的數(shù)學(xué)模型中，應(yīng)用Q型聚類分析劃分土地生態(tài)類型，應(yīng)用主成分分析法確定各生態(tài)類型的地位級指數(shù)。

22) 聚類分析直接利用相似矩陣或相關(guān)矩陣來分類，但它們本身存在矛盾，分類時也會出現(xiàn)矛盾。

23) 隨著電子計算機在農(nóng)業(yè)科研中的應(yīng)用，使聚類分析方法顯示了其特有的功能。

24) 并在此基礎(chǔ)上建立模型對我國行業(yè)工傷事故風(fēng)險進(jìn)行聚類分析。

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

26) 以“數(shù)字流域”為臺，采用SPSS統(tǒng)計軟件，利用主成分分析和聚類分析方法進(jìn)行了流域土地質(zhì)量等級評價。

27) 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。

28) 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(jìn)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。

29) 其中，模糊線性回歸預(yù)測模型和基于軟分類空間的模糊ISODATA聚類分析預(yù)測模型較傳統(tǒng)模型有改進(jìn)，預(yù)測精度得到了進(jìn)一步提高。

30) 探討物流園區(qū)、物流中心的概念，以及它們之間的相互關(guān)系，并對物流節(jié)點類型確定進(jìn)行了聚類分析。

31) 星座圖與連接向量圖是多變量統(tǒng)計的直觀方法，可用于多變量樣本或多變量指標(biāo)的聚類分析。

32) 作者運用SPSS軟件，對收集來的這八臺機器在較長一段時間內(nèi)的停機時間數(shù)據(jù)進(jìn)行了聚類分析和相關(guān)性分析，找出了造成失效時間較多的幾個主要因素。

33) 本文試圖通過結(jié)合聚類分析和進(jìn)化樹分析的方法以解決此問題。

34) 論文在鏡頭分割的基礎(chǔ)上提出了基于多特征的鏡頭聚類分析和基于鏡頭的場景邊界檢測兩種視頻場景構(gòu)造方法，從而實現(xiàn)視頻層次結(jié)構(gòu)挖掘。

35) 以遼寧省2004年區(qū)域試驗部分新品系為試材，對遼寧水稻品質(zhì)性狀進(jìn)行相關(guān)分析及品種聚類分析。

36) 選擇特定地區(qū)不同時相的多光譜圖像進(jìn)行聚類分析[zao jv.聚類分析造句]，可以實現(xiàn)衛(wèi)星核查和作物估產(chǎn)等應(yīng)用目的和要求。

37) 蜱類在中國分布的聚類分析結(jié)果與中國的動物地理區(qū)劃基本一致，但華北區(qū)及甘肅、安徽、河南、云南與中國大陸動物區(qū)系差異較大。

38) 應(yīng)用主成分分析和聚類分析方法，對永勝縣7個鄉(xiāng)鎮(zhèn)的13個主要水稻生產(chǎn)區(qū)域的水稻產(chǎn)量及其影響因子進(jìn)行分析。

39) 聚類分析也稱群分析、點群分析，是研究分類的一種多元統(tǒng)計方法，是構(gòu)建個性化信息系統(tǒng)的關(guān)鍵技術(shù)。

40) 針對具有語言評價信息的多指標(biāo)群聚類分析問題，提出一種基于二元語義信息處理的最大樹聚類方法。

41) 根據(jù)聚類分析，討論了紫膠蟲主要生產(chǎn)種的親緣關(guān)系。

42) 實驗表明，基于鏡頭的場景邊界檢測性能優(yōu)于基于多特征的鏡頭聚類分析。

43) 本研究采用了形態(tài)學(xué)標(biāo)記和RAPD標(biāo)記相結(jié)合，運用譜系聚類分析、主成分分析，主坐標(biāo)分析對32份中國南瓜種質(zhì)的遺傳多樣性進(jìn)行了研究。主要結(jié)果如下。

44) 采用聚類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。

45) 實驗表明，修正的簡單分箱核估計構(gòu)造方法具有良好的時間效率和計算精度，能夠運用于面向大規(guī)模數(shù)據(jù)集的聚類分析應(yīng)用。

46) PLS算子通過聚類分析將種群分割為互不相交的鄰域子種群，對每一個子種群應(yīng)用單純形法進(jìn)行并行局部搜索。

47) 比較完善的ISODATA聚類分析.支持手動選擇初始聚類中心,類似監(jiān)督法分類.

48) 運用統(tǒng)計學(xué)的聚類分析方法，將江蘇省淮北地區(qū)劃分成八類旱澇年型，提出防汛抗旱決策結(jié)論。

49) 因此需采用聚類分析對公路主樞紐城市進(jìn)行聚類，劃分層次來進(jìn)行功能分析。

50) 第四章對城市用地效益進(jìn)行指數(shù)標(biāo)準(zhǔn)差分析、協(xié)調(diào)度分析和聚類分析。并對11城市的用地效益結(jié)果進(jìn)行分析。

51) 通過對參試的18個不同基因型小麥中植酸和戊聚糖含量進(jìn)行聚類分析，可以將18個基因型小麥聚為四類，并初步認(rèn)為豫麥47是參試品種中最適宜于用作飼用小麥。