用有序样品聚类方法探讨哲盟地区蒙古族儿童血压的年龄分期

本文用有序样品聚类方法对哲盟地区２４８５名４～１４岁蒙古族儿童血压的年龄分期进行了聚类分析，以划分最优年龄段。结果表明本地区４～１４岁蒙古族儿童血压的年龄分布以划分为三个年龄段最优。本文认为此三个年龄段的血压值可作为本地区４～１４岁蒙古族儿童血压的参考值标准。

基于有序样品聚类最优二分割算法的滑坡演化阶段划分

利用有序样品聚类的最优二分割算法,对新滩滑坡检测累计位移数据进行有序聚类划分,再结合加速度变化特征对滑坡演化阶段进行划分.结果显示新滩滑坡初始变形阶段和中等变形阶段划分点为1979年8月,中等变形阶段和加速变形阶段划分点为1982年9月,而加速变形阶段中初等加速与中等加速的分界点为1983年7月,中等加速与临滑阶段的分界点为1984年10月,与实际监测基本吻合.表明根据有序样品聚类最优二分割算法和滑坡变形加速度变化特征可以对滑坡演化阶段进行准确划分,并为滑坡预警预报提供依据.

用有序样品聚类法建立蒙古族7～18岁学生腰围的参考值

目的：建立蒙古族7-18岁学生不同年龄段腰围参考值范围。方法：对通辽校点的6 087蒙古族学生,采用多因素有序样品聚类分析方法对年龄进行最优分割法划分。结果：城男和乡男划分为4个年龄段,7-9岁、10-12岁、13-15岁、16-18岁;城女和乡女划分为4个年龄段,7-8岁、9-10岁、11-12岁、13-18岁;经回代验证,一致率超过85%。结论：本研究建立的蒙古族7-18岁学生不同年龄段超重、肥胖的腰围参考值具有理论与实际意义。

有序样品聚类的全差异矩阵法

借助于任意两个样品之间的差异度和有序样品的全差异矩阵的概念,提出有序样品聚类的全差异矩阵法.聚类数和分割点可以容易地获得.通过例子说明了全差异矩阵法是简单、有效和准确的.

用有序样品聚类法探讨哲盟地区蒙古族儿童血压的体重分期

本文试用有序样品聚类的方法,对本地区2547名4～14岁正常蒙古族儿童血压的体重分布进行了聚类分析,即划分最优体重段。分析结果表明,本地区4～14岁蒙古族儿童血压的体重分布划分为5个体重段最优。本文认为此5个体重段的血压值,可作为本地区4～14岁蒙古族正常儿童血压的参考值标准。

京津冀医药产业协同发展研究——基于面板数据Fisher最优有序聚类方法的实证分析

深入研究京津冀医药产业状况,运用基于面板数据Fisher最优有序聚类方法进行实证分析,从而对医药产业的竞争力状况有一个客观的认识,为科学制定京津冀一体化背景下契合三地药产业发展战略提供支撑,切实提高京津冀医药产业的整体竞争力,大力推动京津冀医药产业发展实现战略跃升。

有序聚类法在土壤水分垂直分层中的应用

针对现阶段土壤水分动态研究中土壤水分垂直剖面分层方法所存在的数学理论依据不足的问题，应用有序聚类法中次序不变性的特点，以晋西黄土残塬沟壑区吉县刺槐林地为研究对象，通过对4个样地0．200cm土壤水分的定位观测，将土壤水分垂直剖面进行了分层．研究结果表明，晋西黄土残塬沟壑区刺槐林地土壤水分垂直剖面可分为：土壤水分弱利用层（0—20cm）、土壤水分利用层（20～100cm）、土壤水分调节层（100cm以下）．通过与现有的同类研究对比，有序聚类法分类结果与其他分类结果较为吻合，表明有序聚类法在严密的数学理论基础上，结合了土壤水分层次的有序性，是土壤水分分层研究的创新．

国民经济发展周期的有序样品聚类法及R软件实现——从三大产业的构成出发

本文从三大产业的构成出发,运用有序样品的聚类法——最优分割法和传统的系统聚类法,通过R软件编程,对国民经济发展周期进行了划分并给出其经济含义。本文通过两种聚类法的对比,进一步阐释了最优分割法在有序样品聚类分析中的优势,并通过编写R函数,方便了以后对该方法的应用。

基于有序聚类法的大中修路段划分技术研究

利用有序样本的聚类划分方法,将待修路段的检测数据看作是一个有序检测样本,应用Fisher算法中损失度函数的概念,将路面评价指标按照一定的权重综合加权计算损失度函数,以损失度函数达到极小值为目标进行大中修路段长度划分.列举实例说明该算法的计算步骤,进一步证实该方法的可操作性.

多维有序聚类法在地质数据分类中的应用

针对经验法在地质多指标数据进行有序分类存在局限性的问题,提出了基于Fisher最优分割的多维有序聚类法,通过对均一化处理的多维指标之间定义类直径的损失函数来判别最优分割,然后在使得损失函数最小的情况下合并相邻分类,实现有序样本数据的聚类层次。采用该方法对钻孔编录地层划分、岩体质量分级和孢粉粒度分带三种数据进行分类,结果表明在不能确定分层数的情况下,可以利用损失函数的导数曲线极值点确定最优分层数;样品多个指标之间的相关性越高,分类结果与单指标分类结果的差异越不明显。该方法能够为多元地质数据的定量分析提供数学理论依据,也可以应用于其他行业领域。

有序聚类方法在沉积物粒度分带中的应用

针对现阶段湖泊沉积物粒度特征研究中垂直剖面分层方法所存在的数学方法的不足,借鉴孢粉分带比较成熟的案例,应用有序聚类法中次序不变的特点,以柴达木盆地尕海湖DG02钻孔338个经激光粒度仪测试的样品为研究对象,在有序聚类的数学理论基础上,借助Tilia软件将湖泊沉积物垂直剖面进行分层。研究结果表明,柴达木盆地尕海湖地区环境演化大致经过4个阶段:冰消期晚期(3 109～3 454 cm)、早全新世(2 623～3 109 cm)、中全新世(1 114～2 623 cm)和晚全新世(50～1 114 cm)。通过与孢粉结果及前人研究结果进行对比,有序聚类法分类结果与现有分析结果较为吻合,一些重要的干旱和湿润事件也与其他区域的冰芯、孢粉、历史文献等记录相一致,表明利用该方法进行粒度分带是科学合理的,具有较高的实用价值。

有序样本聚类法在SLP物流强度等级划分中的应用

工业企业总平面布置是在一定条件下对厂区内的各个建构筑物进行合理的布置,美国的缪瑟提出一种程序化的工厂布置方法即系统化布置方法(SLP).该方法中多次应用到A-U等级划分方法,如作业单位间的物流强度大小A-U等级划分、作业单位间的非物流关系密切程度A-U等级划分等,A-U等级划分法在该布置方法中发挥了重要的作用,而传统划分A-U等级采用的原则为经验比例法,针对由经验比例法确定A-U等级分类的主观性、模糊性和不确定性.尝试采用有序样本聚类法对A-U等级进行划分,将有序样本聚类法中的最优分割思想应用于物流强度分类划分中,使分类后各段内部样品之间的差异最小,而各段样品之间的差异较大.与经验比例法相比该分类方法更加科学、客观、合理,最后运用该算法对某一机械厂的物流强度进行等级分类,得出分类结果,证实该算法的可行性和有效性.

一维有序样品的条件系统聚类

目的 介绍并讨论一种适用于一维有序样品的条件系统聚类方法。方法 对有序样品 ,首先构造条件矩阵 ,然后把条件矩阵和距离矩阵相结合 ,构成条件距离矩阵 ,并采用系统聚类的思维方法进行聚类。用该方法对一组数据进行聚类 ,还进行了模拟研究 ,并与最优分割法作了比较。结果 该方法操作简单、计算方便 ,并能够得到较稳定的聚类结果。结论 一维有序样品的条件系统聚类法理论朴素、实践方便 ,是一种较好的可用于有序样品聚类的方法。

基于有序样品聚类和模糊理论发动机状态监测研究

提出基于有序样品聚类和模糊理论发动机状态监测研究方法。利用有序样品聚类方法,对油液铁谱分析数据进行分类,实现了发动机的状态监测;利用模糊理论方法,结合发射光谱分析数据判断发动机的异常磨损部位。采用该方法对康明斯6BT5.9型柴油发动机状态进行监测,确定发动机可能出现异常磨损的部位,与发动机解体实际检查结果一致,证明上述研究方法对发动机异常磨损部位的确定具有一定的适用性。

有序聚类法在大叶樟苗高生长时期划分中的应用

Sequence sample cluster analysis is used to conduct a research on the growth process of the annual seedling height of Cinnamomum platyphyllum for seed sowing. The results indicate that the growth process of the seedling height can be divided into four stages: juvenile stage (April 7-May 5); early growth stage (May 6-July 15); rapid growth stage (July 16-September 5) and late growth stage (September 6-November 5). The rapid growth stage takes shorter time, but the increment at this stage accounts for most of the total increment of the whole year. It is very important to solve the contradiction between the supply and demand of water, fertilizer, temperature in the rapid growth stage and raise its growth rate.

卷斗青冈苗高生长时期有序聚类划分方法研究

对卷斗青冈 1年生苗高生长过程进行定期观察研究 ,应用有序聚类法将 1年生苗苗高生长时期划分为 4个阶段 :出苗期 ( 3月 1 5日～ 5月 1 5日 ) ;生长初期 ( 5月 1 6～ 7月 2 5日 ) ;生长盛期 ( 7月 2 6日～ 9月 2 5日 ) ;生长后期 ( 9月 2 6日～ 1 1月 1 0日 ) .生长盛期的高生长量占全年生长的 5 2 .2 7% ,生长盛期的持续时间及高生长率对苗高生长起决定作用 .而生长盛期正值夏季高温干旱 ,从而使得及时解决这一时期苗木的水、肥。

有序聚类和数学模拟法在刺槐苗年生长规律研究中的应用

】本文应用有序样品的聚类分析和建立苗木生长数学模型的方法。对刺槐一年生播种苗的高生长规律进行了研究，表明有序样品聚类分析对苗木高生长时期的划分与直观评定结果十分相符；运用Ｌｏｇｉｓｔｉｃ方程对苗木高生长拟合划分高生长时期也获得较好效果。刺槐一年生播种苗高生长呈现慢、快、慢的生长节奏，速生期是加速苗木生长关键时期，应加强管理。

系统聚类-BP神经网络吸光光度法同时测定地质样品中钼钨锡锑

根据朗伯 比耳定律,建立了用于多组分分析的数学模型,将系统聚类法与人工神经网络相结合用于地质样品中钼钨锡锑的同时测定,其相对误差小于±12.5%。对神经网络隐层节点数的确定,样本及其个数的选择,以及如何防止过拟合现象的产生等问题进行了讨论。

有序样品的一种聚类法

实际问题中有许多有序样品,本文采用绝对值距离,提出一种在费歇损失函数值极小意义下的最优聚类法,它比常用的最短距离、最长矩离等方法简便得多,可利用它对许多量化测评进行科学分级。

有序聚类和数学模拟法在刺槐苗年生长规律研究中的应用

本文应用有序样品的聚类分析和建立苗木生长数学模型的方法，对刺槐一年生播种苗的高生长规律进行了研究，表明有序样品聚类分析对苗木高生长时期的划分与直观评定结果十分相符；运用 Ｌｏｇｉｓｔｉｃ方程对苗木高生长拟合划分高生长时期也获得较好效果。刺槐一年生播种苗高生长呈现慢、快、慢的生长节奏。