1) semi-supervised classification
半监督分类
1.
Anomaly detection in BGP based on semi-supervised classification;
基于半监督分类的BGP异常检测
2.
In detail, prior to using the seeds set to initialize cluster centroids, the training process of a semi-supervised classification approach named Tri-training is used to label unlabeled data and add them into the initial seeds set to enlarge the scale.
提出一种半监督聚类算法,该算法在用seeds集初始化聚类中心前,利用半监督分类方法Tri-training的迭代训练过程对无标记数据进行标记,并加入seeds集以扩大规模;同时,在Tri-training训练过程中结合基于最近邻规则的Depuration数据剪辑技术对seeds集扩大过程中产生的误标记噪声数据进行修正、净化,以提高seeds集质量。
3.
The analysis of experimental data has proven that this algorithm has better effect on semi-supervised classification.
实验数据分析证明了该算法在进行半监督分类时具有比较好的效果。
2) supervised Classification
监督分类
1.
Studies on the purification of training samples in supervised classification by mode filtering;
利用众数滤波对监督分类训练样本纯化的研究
2.
Application of supervised classification on high spatial resolution satellite image.;
监督分类技术在高分辨率卫星影像中的应用
3.
The influence of JPEG2000 compression on of supervised classification accuracy sensing imagel;
JPEG 2000压缩对遥感影像监督分类精度的影响
3) semi-supervised clustering
半监督聚类
1.
Novel semi-supervised clustering:collaborating primary space with auxiliary space;
基于辅助空间与主空间合作的半监督聚类方法
2.
Research on the Present Situation of Semi-Supervised Clustering Algorithm
半监督聚类算法研究现状
3.
Some Developments on Semi-Supervised Clustering
半监督聚类的若干新进展
4) on-supervised classification and Supervision classification
非监督分类和监督分类
5) unsupervised Classification
非监督分类
1.
Realization of unsupervised classification of digital map in mapinfo;
在MapInfo中实现数字化地图“非监督分类”
2.
The comparative research of initializing cluster centers for unsupervised classification
非监督分类中初始聚类中心法的比较研究
3.
5 to analyze the vegetation types in the marshland using the unsupervised classification.
方法 对以LandsatETM +图像组成的 3种特征图像进行非监督分类 ,并通过现场勘察和计算类别间分离度对分类结果进行评价。
6) unsupervised classification
无监督分类
1.
To avoid the disadvantage of getting into local optimum solution with general numerical computation methods in the general independent component analysis and the restriction of neuron activation functions of neural learning algorithm,an improved model of independent component analysis(ICA) based on genetic algorithm was proposed for the unsupervised classification of hyperspectral data.
针对独立成分分析在使用常规数值求解时容易陷入局部最优解的问题,以及采用神经学习算法时神经元激活函数的限制问题,将遗传算法与独立成分分析相结合,并对模型进行改进,提出了适合于高光谱数据无监督分类的模型。
2.
In order to classify the data of Hyperspectral remote sensing images automatically without prior knowledge,an unsupervised classification algorithm is presented based on the conception of convex geometry and spectral features in this paper.
为了实现对无任何先验知识的高光谱遥感数据的全自动分类,提出了一种关于高光谱图像的无监督分类算法。
3.
In this study,a novel artificial immune system algorithm for unsupervised classification and recognition is proposed by using a novel manifold distance based dissimilarity measure which can measure the geodesic distance along the manifold.
将一种新的流形距离作为相似性度量测度,提出了一种用于无监督分类与识别的人工免疫系统方法。
补充资料：茶叶的分类——按茶树品种不同来分类
茶叶的分类——按茶树品种不同来分类
因为中国地大物博，茶树品种种类繁多。这里选择我国台湾省常见品种介绍：青心乌龙（软枝乌龙、小叶乌龙）、台茶27号（金萱）、台茶29号（翠玉）、铁观音、水仙、四季春等品种，在这里仅以台湾的茶树品种来分类。又因茶树为杂交之灌木植物，故其变化也很大。
青心乌龙：属于小叶种，适合制造部分发酵的晚生种，由于本品种是一个极有历史并且被广泛种植的品种，因此有〔青心乌龙〕，〔种仔〕，〔种茶〕，〔软枝乌龙〕等别名。树型稍小，属于开张型，枝叶较密生，幼芽成紫色，叶片狭长椭圆形，叶肉稍厚柔软富弹性，叶色浓绿富光泽。本品种所制成的包种茶不但品质优良，且广受消费者喜好，故成为本省栽植面积最广的品种，可惜树势较弱，易患枯枝病且产量低。
青心：属于小叶种，适制性极广的中生种茶树，常用的别名有〔青心〕。树型中等属于稍横张型，幼芽肥大而密生洱毛，呈紫红色，叶片为狭长略成披针型到长椭圆形，以正中央部位最阔，叶缘锯齿较锐利，叶色呈暗绿色，叶肉稍厚带硬。本品种因树势强，产量高且适制性广，因此种植面积经常居全省第一，其中以制造乌龙及俗称口风茶的台湾乌龙茶品质最高。但近年来的种植面积则居第二，主要分布于桃园，新竹，苗栗三县。
台茶十二号：别名金萱，系统代号-2027，经过四十三年的选育后，才在民国七十年命名的新品种，由于所制造的包种茶具有独特的香味，因此广受消费者的喜好，加上其中早生，强健，高产且适合机采的特性，因此种植面积在稳定的增加中。台茶十二号树型较大，属于稍具直立性的横张型，芽密度高，幼芽大，绿中带紫，洱毛密度略少于青心乌龙，但制造时较不易脱落，故成茶上可看到明显的洱毛。叶片大型呈椭圆型，叶缘锯齿较疏，叶肉稍厚，浓绿且富光泽。由于树势强健，环境适应力强，高产，品质佳且广受消费者欢迎，因此全省各茶区均有种植。
台茶十三号：别名翠玉，系统代号-2029，与台茶十二号同一时期选育所得。属于中早生适制包种茶的新品种，树型较大，芽色较紫，洱毛密度略低，叶片则较狭长，略大且厚，叶片两侧较上卷，叶缘锯齿较大且粗钝，叶色较绿且更具光泽。本品种较疏且不易机采，加上产量略低于台茶十二号，故初期种植不多，但由于滋味奇佳，并具强烈花香，因此日渐受到欢迎。
硬枝红心：别名大广红心，是从福建引进的本省四大名种之一。属于早生种适合制造包种茶之品种，树型大且直立，枝叶稍疏，幼芽肥大且密生洱毛，呈紫红色，叶片形状与台茶十二号及台茶十三号接近，但锯齿较锐利，树势强健，产量中等。本品种大部分分布在台北县淡水茶区，目前以石门乡居多，所制成的条型或半球型包种茶，具有特殊香味，但因成茶色泽较差而售价较低，制造铁观音茶泽外观优异且滋味良好，品质与市场需求有直追铁观音种茶树所制造产品的趋势。
大叶乌龙：本省四大名种之一。属于早生种，适合制造绿茶及包种茶品种，树型高大直立枝叶较疏，芽肥大洱毛多呈淡红色，叶片大型且呈椭圆形，叶色暗绿，叶肉厚树势强，但收成量中等。本品种目前则零星散布于台北县汐止，深坑，石门等地区，面积逐年减少中。
铁观音：属于小叶种，晚生种适制铁观音茶，树型大枝条粗，但枝叶及芽密度很疏，幼芽稍带红色，叶型长椭圆至狭长型，平铺，叶缘起伏大，呈波浪状，锯齿大但不锐利，叶肉极厚且富有光泽，树势较弱且收成量少，本品种目前仅栽培于台北市文山区的木栅地区，是最佳的铁观音茶种。
四季春：是由木栅地区茶农选出之茶种，属小叶型，极早生之包种茶品种，树型中大型且开张，枝叶及芽密生，幼芽呈淡红色，叶型较近纺锤型，两端较尖锐，叶色淡绿，具细且锐之锯齿，叶肉厚且具光泽，树势强，采摘期极长且收成量高。
因为中国地大物博，茶树品种种类繁多。这里选择我国台湾省常见品种介绍：青心乌龙（软枝乌龙、小叶乌龙）、台茶27号（金萱）、台茶29号（翠玉）、铁观音、水仙、四季春等品种，在这里仅以台湾的茶树品种来分类。又因茶树为杂交之灌木植物，故其变化也很大。
青心乌龙：属于小叶种，适合制造部分发酵的晚生种，由于本品种是一个极有历史并且被广泛种植的品种，因此有〔青心乌龙〕，〔种仔〕，〔种茶〕，〔软枝乌龙〕等别名。树型稍小，属于开张型，枝叶较密生，幼芽成紫色，叶片狭长椭圆形，叶肉稍厚柔软富弹性，叶色浓绿富光泽。本品种所制成的包种茶不但品质优良，且广受消费者喜好，故成为本省栽植面积最广的品种，可惜树势较弱，易患枯枝病且产量低。
青心：属于小叶种，适制性极广的中生种茶树，常用的别名有〔青心〕。树型中等属于稍横张型，幼芽肥大而密生洱毛，呈紫红色，叶片为狭长略成披针型到长椭圆形，以正中央部位最阔，叶缘锯齿较锐利，叶色呈暗绿色，叶肉稍厚带硬。本品种因树势强，产量高且适制性广，因此种植面积经常居全省第一，其中以制造乌龙及俗称口风茶的台湾乌龙茶品质最高。但近年来的种植面积则居第二，主要分布于桃园，新竹，苗栗三县。
台茶十二号：别名金萱，系统代号-2027，经过四十三年的选育后，才在民国七十年命名的新品种，由于所制造的包种茶具有独特的香味，因此广受消费者的喜好，加上其中早生，强健，高产且适合机采的特性，因此种植面积在稳定的增加中。台茶十二号树型较大，属于稍具直立性的横张型，芽密度高，幼芽大，绿中带紫，洱毛密度略少于青心乌龙，但制造时较不易脱落，故成茶上可看到明显的洱毛。叶片大型呈椭圆型，叶缘锯齿较疏，叶肉稍厚，浓绿且富光泽。由于树势强健，环境适应力强，高产，品质佳且广受消费者欢迎，因此全省各茶区均有种植。
台茶十三号：别名翠玉，系统代号-2029，与台茶十二号同一时期选育所得。属于中早生适制包种茶的新品种，树型较大，芽色较紫，洱毛密度略低，叶片则较狭长，略大且厚，叶片两侧较上卷，叶缘锯齿较大且粗钝，叶色较绿且更具光泽。本品种较疏且不易机采，加上产量略低于台茶十二号，故初期种植不多，但由于滋味奇佳，并具强烈花香，因此日渐受到欢迎。
硬枝红心：别名大广红心，是从福建引进的本省四大名种之一。属于早生种适合制造包种茶之品种，树型大且直立，枝叶稍疏，幼芽肥大且密生洱毛，呈紫红色，叶片形状与台茶十二号及台茶十三号接近，但锯齿较锐利，树势强健，产量中等。本品种大部分分布在台北县淡水茶区，目前以石门乡居多，所制成的条型或半球型包种茶，具有特殊香味，但因成茶色泽较差而售价较低，制造铁观音茶泽外观优异且滋味良好，品质与市场需求有直追铁观音种茶树所制造产品的趋势。
大叶乌龙：本省四大名种之一。属于早生种，适合制造绿茶及包种茶品种，树型高大直立枝叶较疏，芽肥大洱毛多呈淡红色，叶片大型且呈椭圆形，叶色暗绿，叶肉厚树势强，但收成量中等。本品种目前则零星散布于台北县汐止，深坑，石门等地区，面积逐年减少中。
铁观音：属于小叶种，晚生种适制铁观音茶，树型大枝条粗，但枝叶及芽密度很疏，幼芽稍带红色，叶型长椭圆至狭长型，平铺，叶缘起伏大，呈波浪状，锯齿大但不锐利，叶肉极厚且富有光泽，树势较弱且收成量少，本品种目前仅栽培于台北市文山区的木栅地区，是最佳的铁观音茶种。
四季春：是由木栅地区茶农选出之茶种，属小叶型，极早生之包种茶品种，树型中大型且开张，枝叶及芽密生，幼芽呈淡红色，叶型较近纺锤型，两端较尖锐，叶色淡绿，具细且锐之锯齿，叶肉厚且具光泽，树势强，采摘期极长且收成量高。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条