基于光谱技术的稻飞虱虫害聚类研究

基于光谱技术的稻飞虱虫害聚类研究

作者：马富勇， 冯洁， 李宏宁， 杨卫平

作者单位：云南师范大学物理与电子信息学院,云南昆明,650092

刊名：

云南师范大学学报（自然科学版）

英文刊名：Journal of Yunan Normal University(Natural Sciences Edition)

年，卷(期)：2012,32(1)

参考文献(17条)

https://www.wendangku.net/doc/2915304806.html,THROP L D;PENNY PACKER Spectral classification of tomato disease severity levels 1980

2.BORHAN M S;PANIGRAHI S;LORENZEN J H Multispectral and color imaging techniques for nitrate and chlorophyll determination of potato leaves in a controlled environment 2004(02)

3.宇淑慧;王丽;钟禄不同间作模式对丘北辣椒病虫害的影响[期刊论文]-云南大学学报(自然科学版) 2010(06)

4.李乡儒;胡占义;赵永恒RCM有监督提取与Syfert光谱分类 2009(06)

5.普瑞良;宫鹏高光谱遥感及其应用 2000

6.卢小燕棉花蚜虫单叶高光谱特征识别研究 2010(06)

7.杜培军;陈云浩;方涛高光谱遥感数据光谱特征提取与应用 2003(05)

8.杨可明;郭达志植被高光谱特征分析及其病害信息提取研究[期刊论文]-地理与地理信息科学 2006(04)

9.冯洁;李宏宁;杨卫平园艺作物病害的多光谱组合分类[期刊论文]-光谱学与光谱分析 2010(02)

10.冯洁;廖宁放;赵波常见黄瓜病害的多光谱诊断[期刊论文]-光谱学与光谱分析 2009(02)

11.LIN WEN-PENG;WANG CHANG-YAO;CHU DE PING;el al Extraction of fall crop types based on spectral analysis[期刊论文]-Transactions of the Chinese Society of Agricultural Engineering 2006(09)

12.WU DI;FENG LEI;ZHANG CHUAN-QIU EARLY DETECTION OF GRAY MOLD(CINEREA) ON EGGPLANT LEAVES BASED ON VIS/NEAR INFRARED SPECTRA 2007(04)

13.WU DI;CHAO FANG;ZHANG HAO Study on Disease Level Classification of Rice Panicle Blast Based on Visible and Near Infrared Spectroscopy[期刊论文]-Spectroscopy and Spectral Analysis 2009(12)

14.吴曙雯;王人潮;陈晓斌稻叶瘟对水稻光谱特性的影响研究 2002(01)

15.MIRIK M;MICHELS JR Reflectance characteristics of Russian wheat aphid (Hemiptera:Aphidiae) stress and abundance in winter wheat[外文期刊] 2007(02)

16.HUMID MUHAMMAD H;LA SALLE Feature vector based analysis of hyper spectral crop reflectance data for discrimination and quantification of fungal disease severity in wheat[外文期刊] 2003(02)

17.RIEDELL W E;BLACKER T M Leaf reflectance spectra of cereal aphid-damaged wheat 1999

本文链接：https://www.wendangku.net/doc/2915304806.html,/Periodical_ynsfdxxb201201012.aspx

数据挖掘中聚类分析的研究_陈学进

收稿日期:2005-11-09 作者简介:陈学进(1972-),男,安徽六安人,讲师,硕士研究生,研究方向为计算机软件理论及数据挖掘;导师:胡学钢,博士,教授,研究方向为知识工程、数据挖掘、数据结构。 数据挖掘中聚类分析的研究 陈学进 (合肥工业大学计算机与信息学院,安徽合肥230009; 安徽工业大学计算机学院,安徽马鞍山243002) 摘　要:聚类分析是由若干个模式组成的,它在数据挖掘中的地位越来越重要。文中阐述了数据挖掘中聚类分析的概念、方法及应用,并通过引用一个用客户交易数据统计出每个客户的交易情况的例子,根据客户行为进行聚类。通过数据挖掘聚类分析,可以及时了解经营状况、资金情况、利润情况、客户群分布等重要的信息。对客户状态、交易行为、自然属性和其他信息进行综合分析,细分客户群,确定核心客户。采用不同的聚类方法,对于相同的记录集合可能有不同的划分结果对其进行关联分析,可为协助各种有效的方案,开展针对性的服务。关键词:数据挖掘;聚类分析;客户行为 中图分类号:T P311.13 文献标识码:A 文章编号:1673-629X (2006)09-0044-02 Research of Cluster Analysis in Data Mining CHEN Xue -jin (Computer and Information College of Hefei U niversity of T echnology ,Hefei 230009,China ; Computer College ,A nhui U niversity of T echnology ,M aanshan 243002,China ) Abstract :Cluster anal ysis is made up of patterns ,and becoming increasingly essential in data mining field .T his paper b riefly introduces the bas ic concept ,means and application of cluster anal ysis discussing about cluster analysis by using a case of customer trans action .In order to k now about much imoport information of running ,funds ,profits and customers .And anal yze state of cl ient ,bargaining action ,natu ral ess attribute and other information ,subdivide customer groups and fix on core client .By us ing various methods of cluster analysis ,it is effec -tive p roject to develop pertinence s ervice . Key words :data mining ;cluster analys is ;customer action 0　引　言 自20世纪60年代数据库系统诞生以来,数据库技术已经得到了飞速的发展,并且己经深入到社会生活的各个方面。现在,数据无处不在,可以存放在不同类型的数据库中,数据仓库技术可以将异构的数据库集成起来进行综合管理,从而提供更好的服务。 但是,随着科学技术的进步,新的数据采集和获取技术不断发展,使得数据库中所存储的数据量也随之急剧增长。另一方面,数据处理技术的发展却相对落后,数据库技术仍然停留在相对简单的录入、查询、统计、检索阶段,对数据库中的数据之间存在的关系和规则、数据的群体特征、数据集内部蕴涵的规律和趋势等,却缺少有效的技术手段将其提取出来,从而出现所谓的“被数据淹没,却饥渴于知识”(John Na isbett ,1997)的现象[1]。为了解决这种现象,科学家们于20世纪80年代末期创立了一个新的研究 领域,即数据挖掘(Data M ining ),或称数据挖掘和知识发 现(Data M ining and Know ledge Discovery ,DM KD )。这是在数据库技术、机器学习、人工智能、统计分析等基础上发展起来的一个交叉性的学科。区别于简单地从数据库管理系统检索和查询信息。数据挖掘是指“从数据中发现隐含的、先前不知道的、潜在有用的信息的非平凡过程”(Fra w le y ,1991),其目的是把大量的原始数据转换成有价值的、便于利用的知识。 自从数据挖掘和知识发现的概念于1989年8月首次出现在第11届国际联合人工智能学术会议以来,数据挖掘和知识发现领域的研究和应用均得到了长足的发展,形成了一些行之有效的理论和方法,并逐渐成为计算机信息处理领域的研究热点。 数据挖掘(Data M ining )是一个多学科交叉研究领域,它融合了数据库(Database )技术、人工智能(Artificial Intel -ligenc e )、机器学习(Machine Learning )、统计学(Statistics )、知识工程(Know ledge Engineering )、面向对象方法(Object -Oriented Method )、信息检索(Information Retrieval )、高性能计算(High -Perform ance Computing )以及数据可视化(Data Visualization )等最新技术的研究成果[2,3]。 第16卷　第9期2006年9月 计算机技术与发展COM PUTER TECHNOLOGY AND DEVELOPM ENT Vo l .16　N o .9Sep .　2006

稻飞虱的防治技术

稻飞虱的防治技术 1、稻飞虱药剂防治技术要点 稻飞虱属迁飞性害虫，可以随风雨远距离迁飞繁殖为害，稻飞虱具有暴发性和突发性，是我国和许多亚洲国家水稻生产的重要害虫。稻飞虱喜欢荫蔽、潮湿的环境，成、若虫一般群集在稻丛下部活动，在稻株茎基部刺吸汁液，同时排出大量蜜露，使稻丛基部变黑，叶片发黄干枯。雌虫用产卵管刺裂稻茎的表皮组织，将卵产于组织内。稻株被刺伤处常呈褐色条斑，严重时稻株基部茎秆腐烂，植株枯死，形成一团一团的“黄塘”、“落窝”现象，常造成大片水稻枯黄倒伏，对产量影响极大，轻者减产20~30%，严重时可减产50%以上，甚至造成颗粒无收。 目前，稻飞虱对有机磷、氨基甲酸酯类杀虫剂的抗性水平呈逐年提高趋势，防治难度不断增大。要提高稻飞虱的防治效果，必须掌握施药技术。在防治时，如能抓住以下几个要点即可有效地控制稻飞虱为害： 1、防治指标。可自行下田检查，如在分蘖期每丛稻株上的稻飞虱超过10头、孕穗期每丛稻株上的稻飞虱超过5头就该立刻喷药防治。 2、防治适期。掌握稻飞虱的防治适期十分重要。稻飞虱种群具有较强的繁殖能力，为减轻后期防治压力，要在水稻生长前中期，抓住卵孵高峰期至低龄若虫高峰期施药，当若虫数量激增或出现短翅型成虫时即应及时喷药防治。 3、对口农药。防治稻飞虱宜选用噻嗪酮（扑虱灵）、敌敌畏+叶蝉散（或毒死蜱）等，严禁使用国家明令禁止的高毒、高残留农药、菊酯类农药及其复配制剂。据研究表明，稻田使用菊酯类农药能引起稻飞虱再度猖獗：一是菊酯类农药常规剂量不能有效杀死稻飞虱或者只能杀死部分或大部分稻飞虱，且药效期短，不能持续保持对稻飞虱的控制作用；二是菊酯类农药能刺激稻飞虱的繁殖力，增加产卵量，使得用药区的稻飞虱种群数量超过非用药区；三是菊酯类农药大量杀死稻田蜘蛛和黑肩绿盲蝽等稻飞虱的主要天敌，使药后余生的稻飞虱及其后代失去天敌的控制作用，稻飞虱种群数量持续上升。同时，鉴于褐飞虱对吡虫啉类农

[VIP专享]聚类分析案例研究

聚类分析案例—我国各地区普通高等教育发展状况分析 聚类分析又称群分析，是对多个样本（或指标）进行定量分类的一种多元统计分析 方法。对样本进行分类称为Q型聚类分析，对指标进行分类称为R型聚类分析。本案例 运用Q型和R型聚类分析方法对我国各地区普通高等教育的发展状况进行分析。 1．案例研究背景 近年来，我国普通高等教育得到了迅速发展，为国家培养了大批人才。但由于我国 各地区经济发展水平不均衡，加之高等院校原有布局使各地区高等教育发展的起点不一致，因而各地区普通高等教育的发展水平存在一定的差异，不同的地区具有不同的特点。对我国各地区普通高等教育的发展状况进行聚类分析，明确各类地区普通高等教育发展 状况的差异与特点，有利于管理和决策部门从宏观上把握我国普通高等教育的整体发展 现状，分类制定相关政策，更好的指导和规划我国高教事业的整体健康发展。 -592- 2．案例研究过程 （1）建立综合评价指标体系 高等教育是依赖高等院校进行的，高等教育的发展状况主要体现在高等院校的相 关方面。遵循可比性原则，从高等教育的五个方面选取十项评价指标，具体如图4。（2）数据资料 指标的原始数据取自《中国统计年鉴，1995》和《中国教育统计年鉴，1995》除以 各地区相应的人口数得到十项指标值见表6。其中： 1 x 为每百万人口高等院校数； 2 x 为 每十万人口高等院校毕业生数； 3 x 为每十万人口高等院校招生数； 4 x 为每十万人口高等院校在校生数； 5 x 为每十万人口高等院校教职工数； 6 x 为每十万人口高等院校专职教师数；7 x 为高级职称占专职教师的比例；8 x 为平均每所高等院校的在校生数；9 x 为 国家财政预算内普通高教经费占国内生产总值的比重；10 x 为生均教育经费。 图4 高等教育的十项评价指标

稻飞虱的危害特征及其防治措施

稻飞虱的危害特征及其防治措施 摘要：稻飞虱俗称蠓虫，在田间常与稻叶蝉混合发生，是水稻生产上的主要害虫。在我国，危害水稻的飞虱主要有褐飞虱、白背飞虱和灰飞虱3种。近几年来全国稻飞虱危害时有发生，少数地区达到大发生程度。近两年上海市稻飞虱发生也较重，对水稻安全生产带来一定影响。2005年“麦莎”和“卡努”台风过后，上海市稻田遭受自[987年以来最严重的稻飞虱虫灾，市政府和全市科技人员展开了一场“虫口夺粮”大战，基本完成了粮食生产任务，确保了粮食安全。2006年8月29日后，受气流影响，大量稻飞虱迁飞至我市．上海市出现了历史上罕见的褐飞虱迁入峰，使田间亩虫量、卵量迅速上升。每年此时我市水稻正值扬花灌浆期。具有稻飞虱所需的最适食料，大量迁入的稻飞虱如不有效控制．会对水稻生产造成严重影响。 关键字:危害特征稻飞虱水稻生产防治粮食安全扬花灌浆期上海市白背飞虱 为害特点: 成、若虫群集于稻丛下部刺吸汁液；雌虫产卵时，用产卵器刺破叶鞘和叶片，易使稻株失水或感染菌核病。排泄物常遭致霉菌滋生，影响水稻光合作用和呼吸作用，严重的稻株干枯。严重时颗粒无收。 形态特征:褐飞虱：成虫有长、短两种翅型。长翅型体长3.6-4.8mm，前翅端部超过腹末；短翅型雌虫体长4mm，雄虫约2.5mm，前翅端部不超过腹末；体色分为深色型和浅色型；前者头与前胸背板、中胸背板均为褐色或黑褐色；后者全体黄褐色，仅胸部腹面和腹部背面较暗。卵呈香蕉状，产于叶鞘或叶片中脉组织中，卵粒前端“卵帽”排列成整齐的-行；卵初产时乳白色，半透明，后前端出现红色眼点，近孵化时淡黄色。若虫共5龄，腹背斑纹和翅芽也是区分各龄若虫的主要特征；1-2龄若虫腹部背面有淡色“T'’型斑，均无翅芽；1龄若虫后胸后缘平直，2龄若虫后胸两侧略向后伸；3-5龄若虫腹部第四、五节各有-对较大的淡色斑，第七至九节淡色斑呈“山”字型；3龄若虫中后胸开始有明显翅芽，呈“八”字型，但前翅芽末端不达后胸后缘；4龄若虫翅芽更明显，前翅芽末端伸达后胸后缘；5龄若虫前翅芽末端伸达腹部第三至四节，前后翅芽末端彼此相接或前翅芽伸过后翅芽；低龄若虫体色淡，呈灰白色或淡黄色；高龄若虫有浅色型和深色型两类，前者体色灰白，体上斑纹较模糊；后者黄褐色，斑纹清晰。灰飞虱：长翅型雌虫体长3.3-3.8mm，短翅型体长2.4-2.6mm，浅黄褐色至灰褐色，头顶稍突出，长度略大于或等于两复眼之间的距离，额区具黑色纵沟2条，额侧脊呈弧形；前胸背板、触角浅黄色；小盾片中间黄白色至黄褐色，两侧各具半月形褐色条斑纹，中胸背板黑褐色，前翅较透明，中间生1褐翅斑。卵初产时乳白色略透明，后期变浅黄色，香蕉形，双行排成块。末龄若虫体长 2.7mm，前翅芽较后翅芽长，若虫共5龄。白背粉虱：长翅型雄虫体长3.2-3.8mm，浅黄色，有黑褐斑；头顶前突，前胸、中胸背板侧脊外方复眼后具1新月形暗褐色斑，中胸背板侧区黑褐色，中间具黄纵带，前翅半透明，端部有褐色晕斑；翅柄、颜面、胸部、腹部腹面黑褐色。长翅型雌虫体多黄白色，具浅褐斑。卵新月形。若虫共5龄，末龄若虫灰白色，长约2.9mm。 发生规律: 褐飞虱：海南-年发生12-13代，世代重叠常年繁殖，无越冬现象。广东、广西、福建南部1年发生8-9代，3-5月迁入；贵州南部6-7代，4-6月迁入；赣江中下游、贵州、福建中北部、浙江南部5-6代，5-6月迁入；江西北部、湖北、湖南、浙江、四川东南部、江苏、安徽南部4-5代，6-7月上中旬

空间聚类的研究现状及其应用_戴晓燕

空间聚类的研究现状及其应用＊ 戴晓燕1　过仲阳1　李勤奋2　吴健平1 (1华东师范大学教育部地球信息科学实验室　上海　200062) (2上海市地质调查研究院　上海　200072) 摘　要　作为空间数据挖掘的一种重要手段,空间聚类目前已在许多领域得到了应用。文章在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 关键词　空间聚类　K-均值法　散度 1　前言 随着GPS、GI S和遥感技术的应用和发展,大量的与空间有关的数据正在快速增长。然而,尽管数据库技术可以实现对空间数据的输入、编辑、统计分析以及查询处理,但是无法发现隐藏在这些大型数据库中有价值的模式和模型。而空间数据挖掘可以提取空间数据库中隐含的知识、空间关系或其他有意义的模式等[1]。这些模式的挖掘主要包括特征规则、差异规则、关联规则、分类规则及聚类规则等,特别是聚类规则,在空间数据的特征提取中起到了极其重要的作用。 空间聚类是指将数据对象集分组成为由类似的对象组成的簇,这样在同一簇中的对象之间具有较高的相似度,而不同簇中的对象差别较大,即相异度较大。作为一种非监督学习方法,空间聚类不依赖于预先定义的类和带类标号的训练实例。由于空间数据库中包含了大量与空间有关的数据,这些数据来自不同的应用领域。例如,土地利用、居住类型的空间分布、商业区位分布等。因此,根据数据库中的数据,运用空间聚类来提取不同领域的分布特征,是空间数据挖掘的一个重要部分。 空间聚类方法通常可以分为四大类:划分法、层次法、基于密度的方法和基于网格的方法。算法的选择取决于应用目的,例如商业区位分析要求距离总和最小,通常用K-均值法或K-中心点法;而对于栅格数据分析和图像识别,基于密度的算法更合适。此外,算法的速度、聚类质量以及数据的特征,包括数据的维数、噪声的数量等因素都影响到算法的选择[2]。 本文在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 2　划分法 设在d维空间中,给定n个数据对象的集合D 和参数K,运用划分法进行聚类时,首先将数据对象分成K个簇,使得每个对象对于簇中心或簇分布的偏离总和最小[2]。聚类过程中,通常用相似度函数来计算某个点的偏离。常用的划分方法有K-均值(K-means)法和K-中心(K-medoids)法,但它们仅适合中、小型数据库的情形。为了获取大型数据库中数据的聚类体,人们对上述方法进行了改进,提出了K-原型法(K-prototypes method)、期望最大法EM(Expectation Maximization)、基于随机搜索的方法(ClAR ANS)等。 K-均值法[3]根据簇中数据对象的平均值来计算 ——————————————— ＊基金项目:国家自然科学基金资助。(资助号: 40371080) 收稿日期:2003-7-11 第一作者简介:戴晓燕,女,1979年生,华东师范大学 地理系硕士研究生,主要从事空间数 据挖掘的研究。 · 41 · 2003年第4期 上海地质 Shanghai Geology

聚类分析论文

聚类分析及其在新疆经济研究中的应用 孙鹿梅 （伊犁师范学院数学与统计学院新疆伊宁 835000） 摘要：本文论述聚类分析的基础理论和研究方法，包括系统聚类法和K-均值法，并以新疆十四个地州市2009的地区生产总值、人均地区生产总值等十项综合经济指标为样本，利用SPSS软件，对他们的综合发展水平进行类型划分及差异性程度分析. 关键词：聚类分析；SPSS软件；综合经济指标；新疆经济区划分 一、引言 聚类(clustering)是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组，这样的一组数据对象的集合叫做簇，并且对每一个这样的簇进行描述的过程.它的目的是使得属于同一个簇的样本之间应该彼此相似，而不同簇的样本应该足够不相似.聚类技术正在蓬勃发展，涉及范围包括数据挖掘、统计学、机器学习、空间数据库技术、生物学以及经济学等各个领域，聚类分析已经成为数据挖掘研究领域中一个非常活跃的研究课题.聚类分析可用于对某省各地区经济发展划分为各个经济区、也可用于市场细分、目标客户定位、业绩评估等多方面. 在社会经济研究中，经常需要对所研究的区域进行经济区划分，以便进行分类指导.如何进行经济区划分呢？利用世界著名统计软件SPSS（Statistical Program for Social Science）的聚类分析功能，效果比较理想.聚类分析包含的内容很广泛，可以有系统聚类法、动态聚类法、分裂法、最优分割法、模糊聚类法、图论聚类法、聚类预报等多种方法，其中应用最为广泛的是系统聚类法和K-均值法. 由于西部发开发战略的实施和援疆工作的展开，新疆经济的发展迅速，但由于新疆地广，各地区之间的经济差异很大，要让新疆经济均衡发展，就要对新疆各地区的不同实施不同的经济政策.我分别用了SPSS的聚类分析中的系统聚类法和K-均值法对新疆各地区的进行经济区划分，以对新疆各地区实施不同的经济政策做依据. 二、基础知识

花卉稻飞虱的防治方法有哪些

花卉稻飞虱的防治方法有哪些 由于稻飞虱均为不完全变态昆虫，所以成虫与若虫都以刺吸式口器刺吸水稻汁液为危害特征，并大部分聚集在水稻植株的中下部位啃食茎秆与叶片。成株期受害的水稻茎秆，表面会呈现一些长条形状的不规则的褐色斑点，叶片自下而上逐渐变黄，整个植株生长缓慢，明显变矮，那么如何防治农作物虫害呢？物理机械防治虫害方法有多种，包括光学、电学、声学、力学、放射物理等各方面，不过农村普通的种植户，最适宜常采用的还是农田蜘蛛、黑肩绿盲蝽等是飞虱天敌，黑肩绿盲蝽吮食飞虱卵液，蜘蛛捕食活动的飞虱，生产中可以通过使用低毒高效农药来减少对天敌的伤害，田埂种植大豆来提供天敌栖息条件，不用菊酯类和三唑磷农药来防止害虫再猖獗和刺激产卵。 2、加强田间调查，实时监测预警。在分蘖期、拔节孕穗期、灌浆期要切实做好飞虱田间调查监测，及时预警，一般分蘖期百丛虫量200-400只 3、科学合理使用化学农药防治。稻飞虱是刺吸式口器害虫，在基部以口针吸食汁液为害，所以在选用农药时，应选择内吸性强的药剂，以利药剂在稻株体内的吸收传导，同时稻飞虱成虫、若虫在稻株基部相对郁蔽的空间栖息，空气流通稍差，有利于熏蒸杀虫，故而

具熏蒸作用的药剂(毒死蜱等)效果较好;当然触杀作用也是重要的，可以直接接触虫体而起效;综合考量，在稻飞虱药剂选用上应当选内吸、触杀、熏蒸作用强的，速效与持效药剂结合。预防用药生产实践中根据田间稻飞虱优势种群类别和发生程度来选用高效对应农药防治用药，如早稻和一晚早期田间以白背飞虱为主，预防可以用噻虫啉、吡虫啉、噻虫嗪、呋虫胺、噻虫胺等烟碱类药剂;而以褐飞虱为主的一晚田中后期及二晚田则以吡蚜酮单剂或吡蚜酮与烟碱类复配剂为主。噻嗪酮只对低龄若虫有抑制蜕皮作用，且见效较慢，对成虫无效，所以近年来基本淘汰了。 4、预防用药参考。10%吡虫啉20-30克/亩、25%噻虫嗪16-20克/亩、20%呋虫胺20克/亩，这几种药剂对白背飞虱有效;50%吡蚜酮15-20克/亩、80%烯啶·吡蚜酮10-15克/亩，这两个配方对三种飞虱都有效。暴发用药当田间虫量较多呈暴发态势时，就应速效与持效药结合使用，才能在短时间内降低虫口基数，减少损失，如用毒死蜱等+吡蚜酮/吡蚜酮和烟碱类复配剂，同时添加有机硅等高效助剂提高杀虫效果，有机硅要用质量好的，暴发的时候一桶水要加到10g。暴发期用药参考：每桶水用45%毒死蜱(或35%硫丹)75-100毫升+50%吡蚜酮10克(或80%烯啶吡蚜酮8-10克)+有机硅10克于早、晚时段喷雾，田间保持寸水层5-7天，亩打2-3桶水。5-7天后视情形加固一次。田间无水干旱条件则采用毒土法，于晴天上午9时后，亩用毒死

肤色在各颜色空间的聚类分析

肤色在各颜色空间的聚类分析 摘要肤色是人体表面最显著的特征之一。对不同肤色在RGB、YCbCr颜色空间内和同一肤色在不同亮度环境下的聚类情况进行深入的分析研究,发现肤色在YCbCr空间内聚类效果更好,更适合做肤色分割。然后在此基础上对黑色肤色、黄色肤色及白色肤色在YCbCr空间内进行肤色分割,达到较好的分割效果。 关键词肤色;颜色空间;肤色分割;YCbCr空间 肤色是人体表面最显著的特征之一,由于它对姿势、旋转、表情等变化不敏感,因此将人体的肤色特征应用于人脸检测与识别、表情识别、手势识别具有很大的优势,所以肤色特征是人脸识别、表情识别、与手势识别中最为常用的分割方法。然而,若要利用肤色进行分割,我们首先应该对肤色以及肤色的聚类情况进行分析。 世界上的人种主要有三种,即尼格罗—澳大利亚人种(黑色皮肤),蒙古人种(黄色皮肤),欧罗巴人种(白色皮肤)。尽管人的肤色因人种的不同而不同,呈现出不同的颜色,但是有学者指出:排除亮度、周围环境等对肤色的影响后,皮肤的色调基本一致。本文对在不同环境下的不同肤色进行取样,然后分别在RGB、YCbCr颜色空间进行统计,从而对比分析肤色在各颜色空间聚类的情况。 1肤色在各颜色空间的聚类比较 1.1不同肤色在RGB和YCbCr颜色空间上的分布 图1—图2给出了黄色、黑色和白色肤色分别在RGB、YCbcr空间的分布情况。 由图1—图2可以得出,不同肤色在RGB、YCbCr空间的分布有如下特征: 1)不同肤色在不同颜色空间均分布在很小的范围内。 2)不同肤色在不同颜色空间内不是随机分布,而是在某固定区域呈聚类分布。 3)不同肤色在YCbCr空间内分布的聚类状态要好于在RGB空间内分布的聚类状态。 4)不同肤色在亮度上的差异远远高于在色度上的差异。 1.2肤色在不同亮度下的分布 图3—图4给出了不同亮度下的同一肤色分别在RGB、YCbCr空间的分布情况。图(a)至图(d)的肤色来源于同一人在不同亮度下的照片。

防治稻飞虱别用菊酯类农药

防治稻飞虱别用菊酯类农药 一、菊酯类农药可导致稻飞虱再猖獗 氯氟氰菊酯和功夫菊酯都属于菊酯类农药。稻田使用菊酯类农药能引起稻飞虱再猖獗。研究表明，菊酯类农药引起稻飞虱再猖獗的主要原因：一是常规剂量不能有效杀死稻飞虱，或者只能杀死部分或大部分稻飞虱，而且药效期短，不能持续保持对稻飞虱的控制作用。二是菊酯类农药能刺激稻飞虱的繁殖力，增加产卵量，使得用药区的稻飞虱种群数量超过非用药区。三是菊酯类农药大量杀死稻田蜘蛛和黑肩绿盲蝽等稻飞虱的主要天敌，使药后余生的稻飞虱及其后代失去天敌的控制作用，稻飞虱种群数量持续上升。 二、防治褐飞虱应长效、短效药剂相结合 据江苏省农林厅植保站最新测报，目前我省褐飞虱虫量普遍超过大发生的去年同期，呈特大发生态势。对于现在田间褐飞虱数量已很大的田块，应避免使用菊酯类农药及其复配剂，最好将毒死蜱、异丙威、速灭威等速杀性好的药剂和锐劲特、扑虱灵等持效期长的药剂混合使用。如果田间要兼治稻纵卷叶螟，可以优先选用锐劲特、毒死蜱等农药，或者加用阿维菌素、安打等药剂。 目前，稻飞虱对有机磷、氨基甲酸酯类杀虫剂的抗性水平呈逐年提高趋势，防治难度不断增大。要提高稻飞虱的防治效果，必须掌握施药技术。在防治时，如能抓住以下几个要点即可有效地控制稻飞虱为害： 1、防治指标。可自行下田检查，如在分蘖期每丛稻株上的稻飞虱超过10头、孕穗期每丛稻株上的稻飞虱超过5头就该立刻喷药防治。 2、防治适期。掌握稻飞虱的防治适期十分重要。稻飞虱种群具有较强的繁殖能力，为减轻后期防治压力，要在水稻生长前中期，抓住卵孵高峰期至低龄若虫高峰期施药，当若虫数量激增或出现短翅型成虫时即应及时喷药防治。 3、对口农药。防治稻飞虱宜选用噻嗪酮（扑虱灵）、敌敌畏+叶蝉散（或毒死蜱）等，严禁使用国家明令禁止的高毒、高残留农药、菊酯类农药及其复配制剂。据研究表明，稻田使用菊酯类农药能引起稻飞虱再度猖獗：一是菊酯类农药常规剂量不能有效杀死稻飞虱或者只能杀死部分或大部分稻飞虱，且药效期短，不能持续保持对稻飞虱的控制作用；二是菊酯类农药能刺激稻飞虱的繁殖力，增加产卵量，使得用药区的稻飞虱种群数量超过非用药区；三是菊酯类农药大量杀死稻田蜘蛛和黑肩绿盲蝽等稻飞虱的主要天敌，使药后余生的稻飞虱及其后代失去天敌的控制作用，稻飞虱种群数量持续上升。同时，鉴于褐飞虱对吡虫啉类农药抗性已达高抗水平，为确保防效，必须坚决停止使用，啶虫脒与吡虫啉有交互抗性，也不宜推荐使用。目前我国各稻区重点推广噻嗪酮（扑虱灵）、吡蚜酮等药剂防治稻飞虱技术。经各地试验表明，噻嗪酮（扑虱灵）不仅对稻飞虱低龄若虫有较好的控制作用，还可有效减少下一代成虫的产卵量，可作为防治稻飞虱长效药剂推广使用。在具体防治稻飞虱时，可采取速效（速杀性好）药剂与长效（持效期长）药剂相结合的防治对策，选用以下农药混合配方并注意交替使用进行防治：①敌敌畏+噻嗪酮（扑虱灵），②毒死蜱+噻嗪酮（扑虱灵），③叶蝉散+噻嗪酮（扑虱灵），④杀虫双+噻嗪酮（扑虱灵），⑤敌敌畏＋叶蝉散。 4、施药方法。一是施药量要充足，每亩需喷足药液60~75公斤；二是喷药时要尽量对准稻丛基部（因稻飞虱多集中在基部为害）；三是喷洒要均匀；四是施药时田间要保持一定

聚类分析法在医学上的应用研究

聚类分析法在医学上的应用研究 【摘要】目前，聚类分析作为一种新兴技术手段被应用于国内外医学领域，从不同程度辅助提升了医疗效果。了解聚类分析在医学领域的主要应用，探索它的应用前景及发展方向有助于各项医务工作的展开。文章通过查阅各种数据库的相关文献，借助文献计量学及SPSS，MATLAB等软件全面总结出聚类分析在医学领域的主要应用。 【关键词】聚类分析;数据挖掘;数字医疗;应用研究 聚类分析，它是直接比较各事物之间的性质，将性质相近的归为一类，性质差别较大的归入不同类的一种多元统计分析方法。现代化数字医疗的严峻形势对医务人员的要求越来越高。聚类分析技术在发达国家的应用已经很广泛，在我国医学领域应用的较晚但前景广阔。 常用的统计聚类分析方法包括谱系聚类（hierarchical clustering）、快速聚类（K-means）、两阶段聚类（Two-Step）、动态聚类、最优分割和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS、SAS、MATLAB等。国外比较有名的数据挖掘系统有SAS公司的Enterprise Miner、IBM公司的Intelligent Miner，SGI公司的MinerSet、SPSS 公司的Clementine、加拿大Simon Fraser大学开发的DBMiner等。 通过查阅万方、维普、知网等各种数据库的相关文献，借助文献计量学及SPSS，MATLAB等软件分析，发现聚类分析在医学领域的应用主要有以下几个方面。 一、聚类分析在医学影像上的应用 医学图像数据挖掘技术聚类分析是有效解决医学图像处理与分析的重要手段之一，它可以揭示正常人体各组织器官影像特征数据的分布规则和关系，为人体组织器官图像的自动分类和病变组织图像自动识别开辟新的途经[1]。 目前的典型研究有： 1.在医学图像灰度密度研究的基础上，提出基于医学图像带修正系数的密度构造聚类算法。对现有图像数据挖掘算法加以比较筛选和改进，深入研究了医学图像数据的核密度函数、数据分箱和基于数据分箱策略的密度构方法，使图像更精确。 2.用Matlab语言优化K-均值聚类算法程序，提高了K-均值聚类算法在医学CT图像分割上的应用效果、稳定性和质量，减少了程序的运行时间，为图像的识别处理奠定了基础。

数据挖掘层次聚类算法研究综述

数据挖掘层次聚类算法研究综述 摘要聚类问题是数据挖掘中的重要问题之一，是一种非监督的学习方法。分层聚类技 术在图像处理、入侵检测和生物信息学等方面有着极为重要的应用，是数据挖掘领域的研究热点之一。本文总结了分层聚类算法技术的研究现状，分析算法性能的主要差异，并指出其今后的发展趋势。 关键词层次聚类，数据挖掘，聚类算法 Review of hierarchical clustering algorithm in Data Mining Abstract Clustering problem of data mining is one of important issues, it is a kind of unsupervised learning methods. Stratified cluster technology in image processing, intrusion detection and bioinformatics has extremely important application and is data mining area of research one of the hotspots. This paper summarizes the layered clustering algorithm technology research, analyzes the main difference arithmetic performance, and pointed out the future development trend. Keywords Hierarchical clustering，Data mining，Clustering algorithm 1引言 随着计算机技术的发展，信息数据越来越多，如何从海量数据中提取对人们有价值的信息已经成为一个非常迫切的问题。由此产生了数据挖掘技术，它是一门新兴的交叉学科，汇集了来自机器学习、模式识别、数据库、统计学、人工智能等各领域的研究成果。聚类分析是数据挖掘中的一个重要研究领域。它在图像处理、入侵检测和生物信息学等方面有着极为重要的应用。数据挖掘是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理过程。其目标是从数据库中发现隐含的、有意义的知识。聚类分析作为一个独立的工具来获得数据分布的情况，是数据挖掘的一个重要研究分支。 在数据挖掘领域，研究工作己经集中在为大型数据库的有效和实际的聚类分析寻找适当的方法。活跃的主题集中在聚类方法的可伸缩性，方法对聚类复杂形状和类型的数据的有效性，高维聚类分析技术，以及针对大型数据库中混合数值和分类数据的聚类方法。迄今为止，人们己经提出了很多聚类算法，它们可以分为如下几类：划分方法、层次方法、基于密度的方法、基于网格的方法和基于模型的方法，这些算法对于不同的研究对象各有优缺点。在聚类算法当中，划分方法和层次方法是最常见的两类聚类技术，其中划分方法具有较高的执行效率，而层次方法在算法上比较符合数据的特性，所以相对于划分方法聚类的效果比较好。[1] 层次聚类算法和基于划分的K-Means聚类算法是实际应用中聚类分析的支柱，算法简单、快速而且能有效地处理大数据集。层次聚类方法是通过将数据组织为若干组并形成一个相应的树来进行聚类的。根据层是自底而上还是自顶而下形成。一个完全层次聚类的质量由于无法对己经做的合并或分解进行调整而受到影响。但是层次聚类算法没有使用准则函数，它所潜含的对数据结构的假设更少，所以它的通用性更强。 2 基于层次的聚类算法 2.1 凝聚的和分裂的层次聚类 层次聚类是聚类问题研究中一个重要的组成部分。分层聚类的基本原则可以表述为：如

聚类分析案例.doc

SPSS软件操作实例——某移动公司客户细分模型 数据准备：数据来源于telco.sav，如图1所示，Customer_ID表示客户编号，Peak_mins表示工作日上班时期电话时长，OffPeak_mins表示工作日下班时期电话时长等。 图1 telco.sav数据 分析目的：对移动手机用户进行细分，了解不同用户群体的消费习惯，以更好的对其进行定制性的业务推销，所以需要运用聚类分析。 操作步骤： 1，从菜单中选择【文件】——【打开】——【数据】，在打开数据窗口中选择数据位置以及文件类型，将数据telco.sav导入SPSS软件中，如图2所示。 图2 打开数据菜单选项 2，从菜单中选择【分析】——【描述统计】——【描述】，然后在描述性窗口中，将需要标准化的变量选到右边的“变量列表”，勾选“将标准化得分另存为变量”，点确定，如图3所示。

图3 数据标准化 3，从菜单中选择【分析】——【分类】——【K-均值聚类】，在K-均值聚类分析窗口中将标准化之后的结果选入右边“变量列表”，客户编号选入“个案标记依据”，聚类数改为5。点击迭代按钮，在迭代窗口将最大迭代次数改为100，点击继续。点击保存按钮，在保存窗口勾选“聚类成员”、“与聚类中心的距离”，点击继续。点击选项按钮，在选项窗口勾选“ANOV A表”、“每个个案的聚类信息”，点击继续。点击确定按钮，运行聚类分析，如图4所示。 图4 聚类分析操作

由最终聚类中心表可得最终分成的5个类它们各自的均值。 第一类：依据总通话时间长，上班通话时间长，国际通话时间长等特征，将第一类命名为高端商用客户。 第二类：依据其在各项指标中均较低，将第二类命名为不常使用客户。 第三类：依据总通话和上班通话时间居中等特征，将第三类命名为中端商用客户。第四类：依据下班通话时间最长等特征，将第四类命名为日常客户。 第五类：依据平均每次通话时间最长等特征，将第五类命名为长聊客户。 由ANOVA表可根据F值大小近似得到哪些变量对聚类有贡献，本例题中重要程度排序为：总通话时长>工作日上班时期电话时长>工作日下班时期电话时

聚类分析原理及步骤

聚类分析原理及步骤 ——将未知数据按相似程度分类到不同的类或簇的过程 1》传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚 类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中 心点等算法的聚类分析工具已被加入到许多着名的统计分析软件包 中，如SPSS、SAS等。 典型应用 1》动植物分类和对基因进行分类 2》在网上进行文档归类来修复信息 3》帮助电子商务的用户了解自己的客户，向客户提供更合适 的服务 主要步骤 1》数据预处理——选择数量，类型和特征的标度（（依据特征 选择和抽取）特征选择选择重要的特征，特征抽取把输入的特征转化 为一个新的显着特征，它们经常被用来获取一个合适的特征集来为避 免“维数灾”进行聚类）和将孤立点移出数据（孤立点是不依附 于一般数据行为或模型的数据） 2》为衡量数据点间的相似度定义一个距离函数——既然相类似性是定义一个类的基础，那么不同数据之间在同一个特征空间相似度的衡 量对于聚类步骤是很重要的，由于特征类型和特征标度的多样性，距离度量 必须谨慎，它经常依赖于应用，例如，通常通过定义在特征空间的距离度量

来评估不同对象的相异性，很多距离度都应用在一些不同的领域一个简单的 距离度量，如Euclidean距离，经常被用作反映不同数据间的相异性，一些 有关相似性的度量，例如PMC和SMC，能够被用来特征化不同数据的概念相 似性，在图像聚类上，子图图像的误差更正能够被用来衡量两个图形的相似 性 3》聚类或分组——将数据对象分到不同的类中【划分方法（划分 方法一般从初始划分和最优化一个聚类标准开始，Cris p Clustering和Fuzzy Clusterin是划分方法的两个主要技术，Crisp Clustering，它的每一个数据 都属于单独的类；Fuzzy Clustering，它的每个数据可能在任何一个类中）和 层次方法（基于某个标准产生一个嵌套的划分系列，它可以度量不同类之间 的相似性或一个类的可分离性用来合并和分裂类）是聚类分析的两个主要方法， 另外还有基于密度的聚类，基于模型的聚类，基于网格的聚类】4》评估输出——评估聚类结果的质量（它是通过一个类有效索引来评价，， 一般来说，几何性质，包括类间的分离和类内部的耦合，一般都用来评价聚类 结果的质量，类有效索引在决定类的数目时经常扮演了一个重要角色，类有效 索引的最佳值被期望从真实的类数目中获取，一个通常的决定类数目的方法是 选择一个特定的类有效索引的最佳值，这个索引能否真实的得出类的数目是判 断该索引是否有效的标准，很多已经存在的标准对于相互分离的类数据集合都 能得出很好的结果，但是对于复杂的数据集，却通常行不通，例如，对于交叠 类的集合。） 聚类分析的主要计算方法原理及步骤 划分法 1》将数据集分割成K个组（每个组至少包含一 个数据且每一个数据纪录属于且仅属于一个 分组），每个组成为一类 2》通过反复迭代的方法改变分组，使得每一次 改进之后的分组方案都较前一次好（标准就 是：同一分组中的记录越近越好，而不同分 组中的纪录越远越好，使用这个基本思想的 算法有：K-MEANS算法、K-MEDOIDS算法、

稻飞虱防治措施

稻飞虱的发生特点及防控措施 摘要：稻飞虱又称蜒虫，是迁飞性、常发性的水稻主要害虫之一，具有爆发生、危害大特点，严重影响水稻的高产、稳产，是近年来长沙县水稻产量威胁最大的害虫之一。根据对其生活习性及发生条件的研究提出了以农业、人工和生物、化学等综合防控技术，在实践中应用效果良好。 关键词：稻飞虱：发生特点：防控措施 稻飞虱又称蜒虫，是迁飞性、常发性的水稻主要害虫之一，具有爆发生、危害大特点，严重影响水稻的高产、稳产，是近年来长沙县水稻产量威胁最大的害虫之一。其直接危害轻则使稻株变黄，严重枯死，造成穿顶死苗，甚至颗粒无收：间接危害一是助长菌核病、纹枯病的发生，一般飞虱多的田同时伴发纹枯病大发生，二是传播病毒病。为此，本人对稻飞虱的发生特点进行了调查研究，参考有关文献[1,2],提出了防控措施，通过在实践中推广应用，取得了良好的防控效果。 1 发生特点 1.1 生活习性 稻飞虱属同翅目、飞虱科，危害水稻的主要有褐飞虱、白背飞虱和惠飞虱3种，危害较重的是褐飞虱和白背飞虱，早期以白背飞虱为主，后期一褐飞虱为主；中、晚稻以褐飞虱为主；灰飞虱很少有直接成灾，但能传播稻，麦的病毒。稻飞虱成虫有较强的趋光性和嫩绿性，一般栖息在稻丛下部叶鞘产卵和取食。成虫有长、短翅型2种，长翅型成虫，趋光性强，善于迁飞，但发育慢产卵少、寿命短；短翅型成虫翅短，不迁飞、发育快，产卵量多，寿命长。若虫共有5龄，多栖息稻丛下部取食，不受干扰、很少活动，能在同一株或同一丛稻上长期生活，受到惊动则横爬或跳入水面。稻飞虱喜适温（26～28℃）、高温（80%以上）的气候环境，“盛夏不热，晚秋不凉，夏秋多雨”易引起稻飞虱大发生。短翅型成虫的大量出现，也是稻飞虱大发生的预测依据之一。 1.2 发生世代 褐飞虱、白背飞虱一年都发生6代，第一代4月中下旬至5月中旬，第二代6月上中旬，第三代7月上中旬，第四代7月下旬至8月上旬，第五代8月下旬至9月上旬，第六代10月上旬。越冬卵于3月上旬到4月中旬孵化，若虫先在越冬寄主上生活繁殖1代左右，5月上中旬第一代成虫迁入早稻田产卵，并在早稻田繁殖2至3代；5月底至6月上旬第二代若虫先后盛发，并且出现短翅型成虫，6月上中旬第二代成虫除一部分迁入一季稻中、晚田产卵繁殖外，大部分仍留在早稻田中产卵繁殖；6月下旬到7月中旬第三代若虫盛发，虫口密度很大，往往给早稻造成危害。7月中旬以后，由于早稻黄熟，成虫继续转移到二晚田产卵，8月中旬下第四代若虫盛发，9月上中旬出现大量的短翅型成虫；9月中下旬至10月上旬，由于二晚孕穗抽穗和灌浆，第五代若虫盛发，发生量也很大危害很严重；在秋雨较多的年代，10中旬晚稻能出现第六代若虫，继续造成晚稻死稿倒伏。 1.3 流行因素 1.3.1 外地虫源迁入时间与数量稻飞虱的起飞时主动的，迁移是被动的，降落也是被动的，起飞时间多在傍晚或天亮前，迁移是随风漂流，当遇锋雨则下降，迁入时间早，迁入虫量多，则发生量大。

聚类分析实例分析题(推荐文档)

5.2酿酒葡萄的等级划分 5.2.1葡萄酒的质量分类 由问题1中我们得知，第二组评酒员的的评价结果更为可信，所以我们通过第二组评酒员对于酒的评分做出处理。我们通过excel计算出每位评酒员对每支酒的总分，然后计算出每支酒的10个分数的平均值，作为总的对于这支酒的等级评价。 通过国际酿酒工会对于葡萄酒的分级，以百分制标准评级，总共评出了六个级别（见表5）。 在问题2的计算中，我们求出了各支酒的分数，考虑到所有分数在区间[61.6，81.5]波动，以原等级表分级，结果将会很模糊，不能分得比较清晰。为此我们需要进一步细化等级。为此我们重新细化出5个等级，为了方便计算，我们还对等级进行降序数字等级（见表6）。 通过对数据的预处理，我们得到了一个新的关于葡萄酒的分级表格（见表7）：

考虑到葡萄酒的质量与酿酒葡萄间有比较之间的关系，我们将保留葡萄酒质量对于酿酒葡萄的影响，先单纯从酿酒葡萄的理化指标对酿酒葡萄进行分类，然后在通过葡萄酒质量对酿酒葡萄质量的优劣进一步进行划分。 5.2.2建立模型 在通过酿酒葡萄的理化指标对酿酒葡萄分类的过程，我们用到了聚类分析方法中的ward 最小方差法，又叫做离差平方和法。 聚类分析是研究分类问题的一种多元统计方法。所谓类，通俗地说，就是指相似元素的集合。为了将样品进行分类，就需要研究样品之间关系。这里的最小方差法的基本思想就是将一个样品看作P 维空间的一个点，并在空间的定义距离，距离较近的点归为一类；距离较远的点归为不同的类。面对现在的问题，我们不知道元素的分类，连要分成几类都不知道。现在我们将用SAS 系统里面的stepdisc 和cluster 过程完成判别分析和聚类分析，最终确定元素对象的分类问题。 建立数据阵，具体数学表示为： 1111...............m n nm X X X X X ????=?????? （5.2.1） 式中，行向量1(,...,)i i im X x x =表示第i 个样品； 列向量1(,...,)'j j nj X x x =’，表示第j 项指标。(i=1,2,…,n;j=1,2,…m) 接下来我们将要对数据进行变化，以便于我们比较和消除纲量。在此我们用了使用最广范的方法，ward 最小方差法。其中用到了类间距离来进行比较，定义为： 2||||/(1/1/)kl k l k l D X X n n =-+ （5.2.2） Ward 方法并类时总是使得并类导致的类内离差平方和增量最小。 系统聚类数的确定。在聚类分析中，系统聚类最终得到的一个聚类树，如何确定类的个数，这是一个十分困难但又必须解决的问题；因为分类本身就没有一定标准，人们可以从不同的角度给出不同的分类。在实际应用中常使用下面几种