目遠景致資源評價的方式很多，公認的有4大學派:專家學派、心理物理學派、認知學派和經驗學派。其中，專家學派的景致評價方式長處在於它的適用性，但可靠性與敏銳性較差。
從土地應用計畫、景致計畫以及景致管理等各個範疇來看，專家學派的景致評價方式起到了很大的作用。本文採取灰色體系的剖析方式進行景致資源評價，充足應用專家學派方式的適用性，而改良其可靠性及敏銳性，使專家學派的評估方式更具科學性。
所謂「灰色」是形容資訊量的多少。「黑色」表現資訊缺少，「白色」表現資訊充分，「灰色」是介於兩者之間。部分資訊已知、部分資訊未知的體系便稱為「灰色體系」。
灰色體系是大批存在的，採取灰色體系的剖析方式(例如本文所用的灰色統計、灰色聚類等)，比常用的數理統計方式(如:回歸剖析、方差剖析等)，其長處是:請求樣本量少；不請求樣本有較好的散布規律；盤算工作量少；不會呈現量化成果與定性剖析成果不符的情形；也就是灰色體系方式能夠將定量與定性聯合起來，較好地反應客觀規律。
專家學派的領導思想是以為凡是符合情勢美原則的景致，都具有較高的景致質量。所以，景致評價工作都由少數訓練有素的專業人員來完成。依照現行專家學派景致資源的評價模式，重要包括景觀價值、環境質量、社會條件3個方面。
每個方面又受若干因素影響。依據專家對各個因素的評價，給出量化打分，然後用加權算術平均的方式綜合評價。
例如:景致資源的「美學欣賞性」由著名度(4分)[注:均為滿分]，獨特度(4分)，感受度(4分)，可游度(4分)所組成。
這四者的得分相加便得到「美學欣賞性」的評分。問題在於有些「度」容易區分，有些「度」則很難確實打分。比如，「著名度」:
世界(4分)，全國(3分)，省內(2分)，本地(1分)，一般說比擬容易打分。而「感受度」:強烈(4分)，很強(3分)，一般(1分)，較差(0分)，強烈與很強的界線就很含混了，不同專家可能給不同的分。
如將若干位專家給出的分用算術平均取值，得到的小數點很難取捨，而且不能反應全部專家組的看法。這就是專家學派評價方式可靠性與敏銳性較差的重要原因之一。本文所採取的灰色體系剖析方式，將進步其可靠性與敏銳性。
在專家對每個因素評價的基本上，分成兩大步驟，即:專家評價的灰色統計和景區評價的灰色聚類。以下舉例闡述:
(1)專家評價的灰色統計:
例如，有5位專家對組成「美學欣賞性」的著名度、獨特度、感受度、可游度打分。
如下列矩陣所示。
第一步:給出決策量白化數矩陣dij
第二步:給出灰類
灰1類: 為4分(優)；灰2類: 為3分(良)；灰3類: 為2分(中)；灰4類: 為1分以下。
然後對 ， ， ， 給出白化函式(圖1～4)。
圖1圖2圖3圖4第三步:求決策係數nij
設各個決策群體的人數均為1，則有:
n1=n2=n3=n4=n5=ns=1。決策係數:
表現5位專家給著名度的評分對優類歸納的綜合係數，對於本例:
n11=f1(1)+f1(2)+f1(1)+f1(2)+f1(1)
=0.25+0.5+0.25+0.5+0.25
=1.75
由(圖1)可見，f1(1)=0.25,f1(2)=0.5
同樣，可得到5位專家給著名度的評分對良類( )歸納的綜合係數:
n12=f2(1)+f2(2)+f2(1)+f2(2)+f2(1)
=1/3+2/3+1/3+2/3+1/3
=2.33
對中類( )歸納為:
n13=f3(1)+f3(2)+f3(1)+f3(2)+f3(1)
=0.5+1+0.5+1+0.5
=3.5
對差類( )歸納為:
n14=f4(1)+f4(2)+f4(1)+f4(2)+f4(1)
=1+0+1+0+1
=3第四步:求決策權:γij:
=10.58
著名度按「優」灰類統計的權:
著名度按「良」、「中」、「差」灰類統計的權分辨為:
第五步:結構決策行
著名度的對策行1為:γ1
γ1=(γ11，γ12，γ13，γ14)
=(0.165,0.22,0.331,0.283)
精良中差
第六步:斷定類別
因為γ13大於γ11，γ12，γ14所以著名度應選為「2」分。但是γ13與γ14相當接近，確實地說著名度應是「中」偏「差」。
仿此，可以結構出獨特度、感受度、可游度的決策行動:
γ2=(0.464,0.289,0.247,0)
γ3=(0.615,0.308,0,0)
γ4=(0.615,0.308,0,0)
可見，獨特度、感受度、可游度分辨應取「4」分。
(2)景區評價的灰色聚類:
依據上述方式將專家評價進行了灰色統計之後，便可對全部景區進行灰色聚類，即景區分級。專家對「度」評分後，分辨相加構成景區評價的11項因素(表1)。
例如:美學欣賞性(16分)=著名度(4分)+獨特度(4分)+感受度(4分)+可游度(4分)等等。要注意的是，每項給的分不同，闡明該項因素在全部景區評價中的位置和作用，也即分值多的，影響大些；分值少的，影響小些。
灰色聚類的方式如下。
第一步:給出聚類白化數dij，其中i=4,j=11。
依據材料《西雙版納景致名勝區總體計畫專題報告》中的資料是:
第二步:定灰類白化函式
如，美學欣賞性「優」灰類的灰數定為:
∈[12,16]
即美學欣賞性的得分在12分以上即為「優」灰類。其餘相似，如(表1)所示。
依據上述尺度即可繪出白化函式圖，如上節所述，此處略。
第三步:求標定聚類權ηij
美學欣賞性(第一項)在「優」灰類(ⅰ)中的權為:
科學價值性(第二項)在「優」灰類(ⅰ)中的權為:
……其餘類推。
美學欣賞性(第二項)在「良」灰類(ⅱ)中的權為:
仿此，可求得各個ηij(i=1,2……,11,j=1,2,3,4)
第四步:求聚類係數σik
記第i個景區關於第k個灰類的係數為σik，
其中，i=1,2,3,4 (景區數)
k=1,2,3,4 (灰數數)
j=1,2,3,4,……,11 (評價專案數)
例如:安麻山區對於「優」灰類的聚類係數為:
<本文**：第一園林網(
基於專家聚類賦權的PIS能力評價指標模型構建
基於專家聚類賦權的pis能力評價指標模型構建作者 李豔李秀霞 現代情報 2014年第02期 摘要 分析了影響pis personalized information service 的影響因素，給出了pis能力的評價指標體系，由於評價指標存在一定的模糊性和不確定性，提出了一種融合專家主觀和客觀賦權的...
結合模糊聚類演算法的影象分割方法
第 卷第 期電腦開發與應用 文軍編號 結合模糊聚類演算法的影象分割方法 張勇昌 江蘇建築職業技術學院公共基礎學院江蘇徐州 摘要 在介紹聚類分析原理的基礎上，比較了幾種聚類分割演算法，得出了模糊 一均值聚類方法在影象分割中的優勢。最後，基於排列組合熵和灰度特徵，結合模糊 一均值聚類演算法對影象紋理進行...
基於聚類的Web日誌挖掘方法探析
電孑商務 基手 關鍵詞 聚類 一的 志掘方法析 顧黎萍 常州工學院 姜靈敏廣東外語外貿大學 摘要 本文針對國內中小型電子商務 伺服器資料較少的特點以及資料的物理意義，採用了一種將資料匯入 資料庫並利用連環聚類的方法來處理 資料的方法，為中小型電子商務 的決策分析提供了一種較為簡單的方法。日誌挖掘電子...