混合型模糊聚类分析方法及其应用

在动态聚类方法和模糊ISODATA方法的基础上,提出了混合型模糊聚类分析方法.该方法首先利用传统的传递闭包方法得到1个初始分类,并在此基础上提出初始分划矩阵,根据考虑权重因子的模糊ISODATA方法对相关数据进行迭代计算,从而对数据进行有效分类.以股票分类为例对该方法进行实证分析,分析结果表明,应用该方法可以对股票进行有效分类优选.     

基于纹理对图像进行分类方法的研究

文章主要研究在不知道视点和光照条件下,根据纹理对图像进行分类的方法;过程是利用滤波器响应得到的特征向量,建立相应的纹理基元表示;用最近区域匹配分类和贝叶斯分类2种方法进行分类,并对2种算法进行了比较;结果表明,分类结果非常接近,均比较准确。     

海南岛地貌分区和分类

海南岛地貌单元可分为地貌区、地貌亚区、地貌形态成因类型和微地貌4级.全岛有北部台地平原区和南部山地丘陵区2个地貌区,包括14个地貌亚区.岛内均有台地、山地、阶地、丘陵以及平原,但以台地和山地为主.考虑外营力种类和作用方向以及地貌发育历史,在海南岛内可划出5种地貌成因类型:即1) 侵蚀、剥蚀构造地貌、2) 剥蚀侵蚀地貌、3)河积地貌、4)海成地貌、5)火山地貌.     

基于案例库维护的案例推理分类技术

分类是数据处理和数据挖掘的重要任务之一,文章在建立案例推理分类器之前,先利用相似粗糙集进行案例属性的约简,再利用基于案例分类的删除技术进行案例库的维护操作;不仅减少案例的存储空间,也大大提高分类的精确度;实验结果表明,相比传统的案例推理分类器和神经网络分类器,该分类器在分类精度和速度上都有一定的优势。     

城市绿色基础设施:概念、分类及其价值

该文系统综述了绿色基础设施的起源与发展、构成与分类.通过文献研究系统梳理了绿色基础设施在保护生态系统、提供生态服务、发挥文化价值以及协同效应等方面的内容.最后,依据中国绿色基础设施的研究和实践现状,提出针对性的发展目标和规划路径.     

河北秦皇岛仙菜科Ceramiaceae红藻的分类研究

仙菜科Ceramiaceae是重要的海洋大型红藻类群,具有重要的研究价值和经济价值,但因其个体微小脆弱、形态多变等,分类上还存在许多不足。本研究利用生物冷冻切片及显微拍照等技术,通过形态解剖方法,对2019-2021年采自我国秦皇岛沿岸海域的仙菜科红藻进行分类学研究。经鉴定,样品中包括仙菜属Ceramium 3种,即波登仙菜Ceramium boydenii Gepp、三叉仙菜C.kondoi Yendo和孙氏仙菜(新拟名)C.sungminbooi J.R.Hughey et G.H.Boo,其中孙氏仙菜为我国新纪录种;对丝藻属Antithamnion 1种,即多姿对丝藻Antithamnion defectum Kylin;绢丝藻属Callithamnion 1种,即绢丝藻Callithamnion corymbosum(Smith)Lyngbye。本文对新纪录种及其他物种进行详细的形态特征描述,提供了解剖学特征图片及生物地理分布信息等内容。研究结果丰富了中国仙菜科的物种多样性。     

一种基于语音分类的清晰度客观评价算法

为了能方便、快捷、可靠地对失真语音进行语音清晰度性能评价,提出了一种基于语音分类的加权巴克谱失真语音清晰度客观评价算法SC-WBSD.该算法提出在巴克域中对清音帧、浊音帧及过渡音帧巴克带谱失真进行加权来求失真语音的客观失真测度.通过分析 3类语音的巴克谱失真测度与DRT分的相关程度,提出一组以相关系数的幂次方为权重的有效SC-WBSD权重矢量.实验结果表明,SC-WBSD方法和DRT分的相关度达到了0.924 73,与巴克谱失真测度算法相比提高了4%.     

基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

浅论气象术语标准研制的问题与对策

为避免气象术语中出现循环定义、定义不协调、定义与术语不匹配、定义重复术语名称或使用代词等问题,运用术语学原理分析,提出研制术语时要注意“语料收集、定义研制、术语分类、辨析关系”的对策建议,这对提高术语研制质量,增强表达交流效果,完善气象标准体系具有重要作用。     

归纳式学习中连续型数据的区间划分问题

主要研究的是归纳式学习中连续型样本数据的分组问题 .在归纳式学习方法中 ,对样本数据的不同分组会直接影响到所生成的反映变量间相互关系的规则 ,从而影响到对新样本的识别效果 .特别是对样本数据为连续型的数据的分组问题 ,目前尚未得到很好的解决 .本文在类相关离散化方法的基础上 ,提出了用极大熵法进行初始区间划分 ,用多因素优选法调整区间的边界 ,二阶概率统计检验与实际意义相结合进行区间合并的一整套划分区间的方法 ,并用本文建立的新方法体系对中国宏观经济的某些指标间的相互关系进行了分析 ,取得了良好的效果.