宁夏地区番茄种质资源核心种质构建策略

为筛选出较优的核心种质构建策略,基于前期调查的480份番茄种质资源的20个表型性状数据,依次对8个系统聚类法和5个不同的抽样比例分别进行对比;在此基础上对2个遗传距离、排名前二的抽样比例、3个抽样方法和排名前二的系统聚类法进行组合试验,并对所构建的24个核心种质进行代表性评价。结果表明,系统聚类法的排序为离差平方和法>可变法>最长距离法>可变类平均法>中间距离法>最短距离法>类平均法;抽样比例排序为15%>30%>25%>20%>10%;组合试验最佳的构建方法是：遗传距离为马氏距离,抽样比例为15%,抽样方法为偏离度取样法,系统聚类法为离差平方和法。研究结果为构建核心种质提供了最优构建策略,为宁夏地区番茄种质资源的核心种质构建与相关研究提供了理论依据和技术支持。     

冬小麦抗旱生态分类中性状的选择

对15个冬小麦品种(系)、不同种类的性状、采用4种聚类方法——模糊聚类法、最短距离法、最长距离法、类平均法,进行了分类结果的对比,表明了不同分类性状对分类结果的影响,确定了在专家经验分类中所着重的株高、生育部、叶部和穗部等21个性状.讨论了分类性状选择中应注意的问题.     

基于不同聚类分析方法的卷烟叶组配方模块分类

为辨析不同聚类分析方法在卷烟叶组配方模块中的分类效果，以不同配方模块烟叶的10项感官指标为研究对象，在利用因子分析提取主成分的基础上，通过3种聚类分析方法对不同配方模块进行分类，并对分类结果进行比较和统计检验。结果表明不同配方模块烟叶的差异规律各不相同，说明烟叶感官质量的不同指标间存在高度的信息重叠。因子分析共提取2个主成分因子，累计方差贡献率为81.96%,特征值分别为7.02、1.18。3种聚类分析方法的分类结果不尽相同，其中加权主成分距离聚类的分类效果最佳，错分率为6.67%;加权主成分聚类次之，错分率为10.83%;一般主成分聚类的分类效果最差，错分率达到18.33%。统计检验结果表明，加权主成分距离聚类的F检验均值最大(98.17),加权主成分聚类次之(91.05),一般主成分聚类F检验的均值最低，为70.14。加权主成分距离聚类的分类效果优于其他2类聚类方法，分类结果的统计检验结果更好，适合不同卷烟配方模块的分类研究。     

草原昆虫群落排序的研究

本文采用主分量分析、系统聚类分析和模糊聚类分析,对巴盟地区不同类型草场昆虫群落进行了排序或聚类,并对不同方法的排序效果进行了比较。结果表明,草场昆虫群落与草场类型及其植被条件有关。主分量分析和系统聚类分析的排序效果优于模糊聚类分析。     

甘蓝型油菜品种的聚类分析

本研究以品种主成分值间的欧氏距离作聚类统计量,用系统聚类分析中的最长距离法和离差平方和法对来自世界7国的50个甘蓝型油菜品种进行了聚类分析。结果表明:50个品种可明显地分为6个大类,一些大类可以进一步地划分为若干亚类。品种间的遗传差异与其地理起源有密切的关系,来自同一地区的品种一般被聚在同一类中。具有相同血缘的品种也被聚在同一类中。不同的聚类方法和不同的聚类统计量其聚类结果非常一致,符合率达94%。本文还证明了表型水平主成分值之间的欧氏距离等于基因型水平主成分值之间的欧氏距离与观测值之间的欧氏距离。     

江西省马尾松产区区划研究

本研究以气候、海拔高、岩性、马尾松生长等因素,采用主分量分析,模糊聚类的数学方法,结合定性分析,对江西省马尾松林进行综合生态分类,把全省划分成两个地区和十个产区。     

甘蔗数量性状遗传的研究 Ⅱ.甘蔗F_1代群体的遗传距离和聚类分析

从1982年甘蔗育种计划中选取8个家系的F_1群体,根据它们的遗传距离进行聚类分析和主分量分析,结果表明,两种数量分类方法效果相当一致。家系1和4两个F_1群体被归入一个聚类(Ⅰ),家系3,7,2,6,5和8被归入另一聚类Ⅱ。发现一些家系,虽然来自地理位置十分不同的国家和地区,但是它们的遗传距离很近,可看作是血缘相近的、亲缘效应大体相似的无性系,并可划入同一聚类。初步认为聚类内的不同家系实际上是同一组合的重复杂交。     

辣椒地方品种的主成分分析及数量分类

为了进一步优化辣椒杂交品种，估算了36个辣椒地方品种的主要病害抗性、果实营养含量和农艺性状等15个性状的主成分值，并将其分为5大类．结果表明：数量分类的结果基本反映了辣椒品种间的遗传差异，符合实际情况．当主成分的特征值的累计贡献率大于75％时，主成分值就能基本反映原来性状的遗传特征．比较不同的系统聚类方法，类平均法较好地适用于辣椒品种的数量分类。     

阿勒泰地区草原昆虫群落的排序研究

本研究对阿勒泰地区有代表性的10种类型草场上昆虫群落利用极点排序法、主分量分析法和模糊聚类法进行了排序研究。结果表明:草场昆虫群落与草场类型、草场植被丰富度和生境湿度有一定的关系。并讨论了草场昆虫群落与草场退化、草场害虫治理的关系。     

利用数量性状构建新疆野苹果核心种质的方法

 【目的】以300份新疆野苹果实生株系为试验材料,根据叶片、花朵和果实等器官15个数量性状的遗传多样性,研究新疆野苹果核心种质构建的方法。【方法】采用逐步聚类法,以30％的取样比例,根据2种遗传距离（欧氏距离和马氏距离）、4种系统聚类方法（类平均法、离差平方和法、最长距离法和最短距离法）和3种取样方法（随机取样法、偏离度取样法和优先取样法）构建24个核心种质,以筛选出的最佳构建策略进一步比较7种不同取样比例（10%、15%、20%、25%、30%、35%和40%）的构建效果以确定最适宜的取样比例。【结果】（1） 在新疆野苹果构建中,采用欧氏距离聚类优于马氏距离。（2） 4种系统聚类方法比较表明,最短距离法优于类平均法、离差平方和法和最长距离法。（3） 3种取样方法比较表明,优先取样法和偏离度取样法都能明显提高核心种质的方差差异百分率、极差符合率和变异系数变化率,均适宜于新疆野苹果核心种质的构建,前者略优于后者。（4）20%是最适宜的取样比例。【结论】以20%的取样比例,采用欧氏距离,利用最短距离法进行逐步聚类,结合优先取样法构建的核心种质最有代表性,是构建新疆野苹果核心种质的最佳方法。     

重庆四面山常绿阔叶林群落的数量分类

基于对21个样地的群落调查,利用等级聚类分析方法对四面山常绿阔叶林群落进行数量分类,并讨论了常用4种聚类策略。结果表明：组平均是等级聚合分类的最佳策略;四面山常绿阔叶林群落可分为4个群系类型。     

镰刀菌数值分类初步研究

 本研究以47个镰刀菌菌株,进行生物学性状测定,选取7个培养性状数据,根据向量的夹角余弦法相似系数和系统聚类分析的类平均法,利用电子计算机进行数值分类.研究结果,当r取值0.6095时,47个菌株可分为10群,在种的水平上分开;与传统分类鉴定结果比较,符合率为91.5%;用数值分类法对镰刀菌进行分类有一定研究应用价值.     

基于参数优化改进型可能聚类的遥感图像分割

可能聚类算法(PCA)和可能C-均值聚类算法(PCM)对初始值非常敏感,容易产生一致性聚类。改进型可能C-均值聚类算法(IPCM)能解决PCM的问题,然而IPCM的执行更依赖于参数。IPCM必须计算参数两次,因此聚类时间长。为了克服PCA和IPCM的缺点,进而应用于复杂的遥感图像分割,将PCA和IPCM相结合,提出了一种基于参数优化的改进型可能聚类算法(IPCAOP)。实验表明,IPCAOP在处理遥感图像分割方面明显优于模糊C-均值聚类(FCM)和IPCM。     

湖北毛竹适宜气候区分区研究

选择16个与毛竹生长、分布有关的气候因子对湖北省76县（市）进行主成分分析,结果表明：前4个主成分的累计贡献率达83.25%.以其中的年降水量、年积温、年蒸发量、7月温度、4-10月降水量、年均温度、1月温度、纬度8个因子为主导因子,构建各样品（县市）的得分方程,绘制散点图.根据散点的群聚性,结合毛竹在湖北省的生长分布现状以及与行政区划的一致性,按照毛竹水平区划的全国标准,通过R型最短距离聚类法将湖北省分为：毛竹最适宜区Ⅰ、毛竹适宜区Ⅱ、毛竹较适宜区Ⅲ、毛竹零星分布区Ⅳ、高山毛竹引种区Ⅴ.     

黄芩中黄酮类化合物的定性与定量分析

[目的]提出一种用近红外光谱技术快速检测黄芩中黄酮类化合物的新方法j[方法]首先应用光谱仪获得4种黄芩的光谱曲线,用主成分分析法进行聚类分析,再结合人工神经网络技术建立模型进行检测。在主成分分析的基础上,以每一个样品的前8个主成分作为神经网络的输入节点,黄苓苷和汉黄芩苷2种成分类型作为神经网络的输出节点,建立一个8（输入节点）-13（隐含层节点）一2（输出节点）的3层人工神经网络模型。[结果]黄芩中黄芩苷和汉黄芩苷这2项指标人工神经网络模型预测值的平均相对误差分别为3．87％和5．15％,与高效液相色谱法测定值的符合程度很高,该模型具有很好的预测能力。[结论]新模型可用于黄芩的质量检测和生产加工过程中的质量控制。     

一种改进的K-均值聚类算法的研究

聚类分析在科研和商业应用中都有着非常重要的作用。K-均值聚类算法是一种基于样本间相似性度量的间接聚类方法,其不足之处是,它采用均值作为一类的代表点,一个点往往不能充分反映该类的模式分布结构,从而损失了很多有用的信息。研究了一种改进的 K-均值聚类算法,在求样本间距离时,采用核函数距离代替欧氏距离,考虑了各模式间的相关性。试验结果表明,利用改进的 K-均值聚类算法,聚类结果的准确率更高,更稳定。     

薹菜种质资源的RAPD和ISSR分析

【目的】对29份薹菜(Brassica campestris L.ssp.chinensis Makino var.tai-tsai Hort) 种质资源进行遗传多样性和亲缘关系分析,为薹菜的种质资源保护和利用奠定基础。【方法】利用优化的RAPD和ISSR标记体系,对采自山东、江苏和北京的29份薹菜品种进行DNA多态性分析,并采用类平均法对29份薹菜品种的RAPD和ISSR扩增结果进行聚类分析。【结果】从273条RAPD引物中筛选的33个RAPD引物,共扩增出了336条清晰的谱带,其中293条显示多态性,平均每个引物扩增出10.2条多态性谱带,多态性比率为87.2%。利用RAPD标记构建了29份薹菜资源的聚类树状图,距离系数为0.63～0.79。从100条ISSR引物中筛选的45个ISSR引物,共扩增出了522条清晰的谱带,其中414条显示多态性,平均每个引物扩增出9.2条多态性谱带,多态性比率为79.3%;利用ISSR标记构建了29份薹菜资源的聚类树状图,距离系数为0.70～0.86。【结论】基于RAPD和ISSR标记构建的29份薹菜品种的聚类树状图虽有一定差异,但总体趋势一致,1、20、21号薹菜与其他品种的遗传距离相对较远。     

Determination of the botanical origin of honey by sensor fusion of impedance e-tongue and optical spectroscopy

The aim of this study was to discriminate four commercial brands of Portuguese honeys according to their botanical origin by sensor fusion of impedance electronic tongue (e-tongue) and optical spectroscopy (UV–Vis–NIR) assisted by Principal Component Analysis (PCA) and Cluster Analysis (CA). We have also introduced a new technique for variable selection through one-dimensional clustering which proved very useful for data fusion. The results were referenced against standard sample identification by classical melissopalynology analysis. Individual analysis of each technique showed that the e-tongue clearly outperformed the optical techniques. The electronic and optical spectra were fitted to analytical models and the model coefficients were used as new variables for PCA and CA. This approach has improved honey classification by the e-tongue but not by the optical methods. Data from the three techniques was then considered simultaneously. Simple concatenation of all matrices did not improve the classification results. Multi-way PCA (MPCA) proved to be a good option for data fusion yielding 100% classification success. Finally, a variable selection method based on one-dimensional clustering was used to define two new approaches to sensor fusion, and both yielded sample clusters even better defined than using MPCA. In this work we demonstrate for the first time the feasibility of sensor fusion of electronic and optical spectroscopy data and propose a new variable selection method that improved significantly the classification of the samples through multivariate statistical analysis.     

基于孤立点和初始质心选择的κ-均值改进算法

介绍了在聚类中广泛应用的经典κ-均值算法,针对其随机选择初始质心和易受孤立点的影响的不足,给出了一种改进的κ-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始质心的选择上进行了改进,并做了改进前后的对比试验。试验结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择质心的影响也有所降低。