论文部分内容阅读
模糊聚类分析已被广泛应用在气象预报、地质、模式识别、数据挖掘等方面。文章将模糊聚类分析应用于作物核心种质构建过程中，并对传统的模糊聚类算法进行了改进，在相似系数和距离系数的基础上，提出了一种既能考虑到样本之间的值贴近程度，又能考虑到样本之间的形贴近程度的改进系数——相似度，用相似度矩阵替代传统的相似矩阵，使模糊聚类分析模型能够更符合构建作物核心种质的需要。