利用扩增片段长度多态性(AFLP)研究坛紫菜的遗传变异

应用AFLP技术对浙江普陀列岛、渔山列岛和南麂列岛野生坛紫菜、福建野生厚型及薄型以及栽培坛紫菜的两个表型分化类型进行了研究。结果表明：坛紫菜的遗传变异较为丰富，共记录了528个位点，其中16个为单态位点，其余的为多态位点，多态位点比例达到96.97%。其遗传距离与地域分布正相关，说明不同的环境因素可能是造成坛紫菜遗传变异的主要因素。对遗传距离进行UPGMA和Neighbor-joining聚类分析表明具有薄型叶片性状的浙江野生坛紫菜和福建野生薄型坛此菜聚合，而福建野生厚型与栽培具厚型叶片，当地俗称为木耳菜的样本聚合。该结果基本清楚地反映了坛紫菜表型特征的分化。栽培薄型叶片俗称鸡毛菜样本在不同聚类方法中分别于外侧并入不同的分支。在福建野生坛紫菜与养殖坛紫菜的AFLP图谱中仅发现了三条与叶片性状相关的谱带：具有厚型叶片性状的坛紫菜共有的ACC-CAA(100)和ACT-CAG(232)，具有薄型叶性状的坛紫菜共有的ACC-CAA(490)。     

车身冲压变形的模糊聚类分析

以模糊聚类理论为基础，提出了车身覆盖件变形同趋势区域分类的一种方法。以某轿车前轮罩曲面为例分析结果表明，该方法可以解决前轮罩、前纵梁配合曲面的变形区域的划分，为评价车身零部件这间的匹配提供理论依据。     

排序聚类分析算法在派生式CAPP系统中的应用及实现

利用零件的相似性原理对零件分组是派生式CAPP系统的重要内容,对零件的分组是否合理,直接影响到派生式CAPP系统能否正常运行。阐述了排序聚类分析算法在生产流程分析法中的工作原理,分析了利用该算法实现零件分组的实现过程,并用示例验证了该算法。     

投产气井的模糊聚类分析

根据过去对投产气井分类问题的研究与应用效果，提出采用模糊数学的模糊聚类分析方法来研究投产气井的分类问题，通过编制计算机程序对陕甘宁中部气田１６口投产气井应用表明，分类结果更加合理。     

模糊聚类分析在土石坝安全监控中的应用

探讨了模糊ISODATA方法在土石坝安全监测中的应用问题，在观测资料分析的基础上，建立了模糊ISODATA模型来监控大坝的运行性态，为工程的安全，高效运行提供科学支持。     

基于潜在类别模型的航空旅客分类

潜在类别模型是用潜在的类别变量来解释外显的类别变量之间的关联,使外显变量之间的关系通过潜在类别变量来估计,进而维持其局部独立性.为研究民航旅客的选择行为偏好、改进航空公司收益管理策略,文中引进潜在类别模型,然后从 PNR 数据中选择合适的观察变量,概率参数化后带入模型进行建模,利用 Mplus 软件对模型进行求解评价,最终得到了最合理的民航旅客分类.由于是基于订票数据的,所以与以往研究相比,此方法从根本上避免了因可靠性带来的偏差风险     

一种基于数据竞争的高分辨率图像的聚类分割算法

近些年,机器人技术得到了迅猛的发展,应用越来越广泛.随着机器人技术的推广和普及,对机器人使用的要求也越来越高,其中对智能机器人的要求尤显迫切.机器视觉是智能机器人研究领域的一个重要研究方向.在机器人视觉系统中,核心问题是目标提取,对目标实时、准确、快速提取的关键技术是图像分割.由于机器人感知的环境的复杂性及目标的多样性,往往导致机器人感知获得的图像数据量较大且图像本身存在不可预知的复杂性,这就对准确的目标分割和提取处理提出了挑战性问题.本文针对高分辨率图像数据集的分割处理,提出一种新的聚类算法,即根据数据点能量和的大小识别类代表点和类成员点,通过数据点间的竞争识别出最有能力成为簇成员的数据点,并将其与mean shift聚类算法有效地结合应用于彩色图像分割问题中,能够快速高效地实现高分辨率图像的目标分割,并得到较好的图像分割效果.实验结果表明,本文算法在分割效果和分割效率上明显优于传统聚类算法.     

一种调整簇阀值的加速聚类分析算法及其应用

针对航运信息中大样本聚类问题,根据k-means聚类过程中大部分簇的调整发生在初始迭代阶段的特性,提出了一种调整簇阀值的加速聚类方法,并对该算法进行实例测试,实验结果证明了该方法在满足原有的聚类精度的基础上,减少了聚类的计算量。本文将该方法应用到船舶航线设计中。     

基于SQL Server的OLAM的研究及应用

OLAM(On-line Analytical Mining)是当前的热点技术,是融合了联机分析处理(OLAP)和数据挖掘(Data Mining)的一种新的数据挖掘技术。本文主要研究数据仓库中OLAP,On-line Analytical Processing和数据挖掘技术,这两个技术是商业智能中的核心技术和主要内容,在两者的基础上引入OLAM的概念,并阐述其基本原理和核心技术。基于微软的SQL Server平台,为一个商业案例建立数据仓库,利用Analysis Services服务,建立销售分析的多维数据集,利用OLAM的基本模型实现OLAP和聚类挖掘技术的结合,借助两者的各自优势,得到很好的客户聚类分析结果。