基于人工神经网络水性涂料电脑配色(英文)

本文提出了一种基于多层BP人工神经网络的水性涂料电脑配色方法。实验表明,BP神经网络模型经训练后能够较好地反映水性涂料反射样本色度参数空间到配方参数空间的非线性映射关系。     

茶树脂肪氧合酶(LOX)基因家族成员的分子进化及密码子偏好性分析

脂肪氧合酶(lipoxygenase,LOX,EC 1.13.11.12)是一类含有铁离子的血红素双加氧酶,专一催化多元不饱和脂肪酸加氧反应。基于茶树基因组数据,对筛选获得的12个LOX基因家族成员的分子特性、进化规律及密码子偏好性进行分析归纳。理化性质检测结果表明,茶树LOX家族成员中以Cs LOX6的开放阅读框(open reading frame,ORFs)最长(2 778 bp),编码925个氨基酸,蛋白分子量为104.5 k Da。通过氨基酸序列同源比对,构建茶树LOX基因家族成员与26个物种(均系双子叶植物纲)的37个LOX基因的系统发育进化树,结果发现,茶树LOX基因家族成员可被分为9-LOX亚族(5个)、13-LOX TypeⅠ亚类(5个)及13-LOX TypeⅡ亚类(2个),但13-LOX TypeⅡ亚类中的Cs LOX5基因,并不具有转运肽(transit peptide)前导序列。对茶树基因组LOX家族成员基因密码子相对偏好使用度(relative synonymous codon usage,RSCU)及偏好性参数进行分析,结果表明:茶树LOX基因家族成员存在着4个密码子在编码基因上被高频率选用,9个密码子被低频率选用;茶树LOX基因家族成员的密码子选用偏好性普遍较弱,并偏好以A/T作为结尾。此外,以最近邻元素法(Neighbor-Joining,NJ)对密码子RSCU值进行聚类分析,结果发现,RSCU值的聚类与以编码序列(coding sequences,CDS)构建的系统发育进化树之间,在Cs LOX10基因的聚类上存在差异。     

基于作物产量指标和聚类分析的立地分类比较研究(英文)

对棉地评价中基于作物产量指标和对土地属性作聚类分析的立地分类进行比较研究。结果表明，从作物产量指标分析中可得出三个等级：适宜级Ⅰ（产量>900kg/hm2），适宜级Ⅱ（产量500-900kg/hm2），适宜级Ⅲ（产量<500kg/hm2）。而聚类分析中通过对86个样本进行统计计算也得出三个等级。两种分类方法的基本结论没有太大分歧，但通过聚类分析得出的立地分类与基于作物产量指标的立地分类并不完全一致。研究结果也清楚地表明，经过适当的修正，作物产量指标分析法可以被可靠地运用于棉地评价的立地分类中。     

基于BP-TOPSIS的农村居民生活质量评价

在建立评价体系的基础上,先使用AHP与熵权法确定指标权重,接着用TOPSIS进行评价并将评价结果输入BP神经网络进行训练,使用模型对2005—2019年江苏省农村居民生活质量进行评价。结果表明,近年来江苏省居民生活质量不断提高的同时也存在一些潜在问题,但整体发展态势良好。本模型可以科学有效地对农村居民生活质量做出评价,其评价结果可为农村相关民生政策的制定与修订提供参考。     

基于Fisher判别法的一种DNA序列分类方法

针对DNA序列分类的分属问题,提出采用Fisher判别法进行分类。根据氨基酸分子的性质,构建DNA序列对应的特征向量空间,然后对训练集中的A、B两类DNA序列提取特征,建立Fisher判别函数。应用该判别函数对测试集中的182个DNA序列进行分类实验,结果表明该方法具有很好的分类准确度。     

基于BP神经网络技术的土壤水(盐)环境监测

本文根据区域水环境预测中水盐监测与评价的要求,利用内蒙古河套灌区内1个试验区春季水盐网格采样数据,采用BP神经网络技术进行了水盐估计。结果表明:BP神经网络技术可以用于二维区域水盐监测。     

家蚕健康性分子检测的研究(英文)

[目的]探索家蚕体内的热激蛋白表达量与家蚕材料的健康性变化的规律。[方法]利用生物信息学分析方法筛选出具有代表性的家蚕热激蛋白基因(Bmhsp24.3)并对其进行实时定量(RealTimePCR)表达分析。[结果]目的基因Bmhsp24.3在不同家蚕材料中都有所表达,但在不同材料间的表达差异很明显;饲育条件不同,该基因相对表达水平有着不同程度的变化,饲育温度的升高,该基因的表达量都有不同程度的提高,健康性好的材料,目的基因的表达量增加的较多,健康性差的材料,目的基因表达量增加的较少。目的基因Bmhsp24.3在不同材料间的表达差异,刚好与品种的健康性保持一致。[结论]材料的健康性与目的基因Bmhsp24.3表达量存在相关性,目的基因Bmhsp24.3表达量越高,材料的健康性越好;反之,目的基因Bmhsp24.3表达量越低,材料的健康性越差。     

基于GM(1,1)-BP神经网络的城市耕地数量预测研究

基于灰色理论和BP神经网络建立GM(1,1)-BP神经网络组合模型,把灰色模型的时序性、无序性等优点与BP神经网络自学习、自组织的特点相结合,对耕地数量进行组合预测。结果表明,组合模型对耕地数量的变化预测精度较单一的灰色预测法有提高,与实际值有较好的拟合度,且具有简单、易用的特点。     

文本信息自动分类系统ITC98(Ⅱ)--基于BP网络的文本分类子系统

设计并实现了文本信息自动分类系统ITC98的核心模块──基于BP网络的文本分类子系统。介绍系统的分类策略及根据分类问题需求确定BP网络结构和参数的方法。实例测试表明，系统分类精度和效率均达到要求。     

基于优化ACGM标记的甘蓝型油菜大籽粒材料聚类分析(英文)

[目的]利用AGGM标记对甘蓝型油菜大籽粒材料进行聚类分析。[方法]根据18个拟南芥籽粒发育相关基因,并结合同源油菜EST序列,设计开发44对ACGM引物。选择其中18对引物对16份大籽粒材料和4份小籽粒材料进行聚类分析。[结果]这18对引物分别稳定扩增出2-6条特异条带,扩增差异明显,多态性丰富,重复度高,表明优化的ACGM标记在甘蓝型油菜中具有良好的通用性。聚类结果显示20份材料在相似系数0.6处分为A、B、C3个类群,其中A、B类又可在相似系数0.67处分为A1、A2、A3、B1、B2五个亚群。[结论]为下一步利用这些材料进行育种及相关科研工作提供一定的理论基础。     

DNA序列判别分类模型

[目的]结合生物学知识和数学方法构建DNA序列判别分类模型。[方法]根据氨基酸分子中侧链基的极性性质,从不同序列中氨基酸含量不同提炼出能从碱基含量和碱基排列情况两方面代表序列特征的氨基酸类别信息,用一个四维向量来表征,用马氏距离法和FISHER判别法对给定序列进行分类。[结果]该模型中,2种分类方法所得的样本回代率均达100%,分类一致率为90%。[结论]该模型算法简单,分类结果精度较高,优于仅基于碱基含量的判别分类模型。     

DNA序列判别分类模型

[目的]结合生物学知识和数学方法构建DNA序列判别分类模型。[方法]根据氨基酸分子中侧链基的极性性质,从不同序列中氨基酸含量不同提炼出能从碱基含量和碱基排列情况两方面代表序列特征的氨基酸类别信息,用一个四维向量来表征,用马氏距离法和FISHER判别法对给定序列进行分类。[结果]该模型中,2种分类方法所得的样本回代率均达100%,分类一致率为90%。[结论]该模型算法简单,分类结果精度较高,优于仅基于碱基含量的判别分类模型。     

基于神经网络的水果自动分类系统设计

深加工是目前我国水果产业发展的主方向。设计了基于神经网络的自动水果分类系统,包括系统的硬件构成和分类程序。其中图像的特征提取是水果分类程序的前提。提取了水果图像的形状、颜色、纹理3种主要特征,将3种特征向量输入到神经网络分类器进行分类识别。仿真结果表明,该方法实时性好,分类准确率高,可满足水果深加工生产的实用需要。     

气相色谱-系统聚类分析方法在蓼属植物分类中的应用

[目的]探讨分类和鉴定不同蓼属植物的方法。[方法]利用气相色谱-质谱联用系统提供蓼属植物的内在成分信息,结合聚类分析技术,对蓼属植物进行分类及鉴定。[结果]结果表明,色谱数据的系统聚类结果与形态学分类结果一致,该方法精密度高、重现性好、回收率高,这对进一步研究蓼属植物的类别及近缘性提供了依据。[结论]该研究为蓼属植物的识别提供有益的信息,也为蓼属植物的化学分类提供新的依据。     

基于贝叶斯正则化BP网络的粮虫分类识别研究

以粮虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现分类识别的方法。首先对4类常见粮虫进行图像采集、预处理及特征提取,然后将提取到的9个形态学特征参数作为神经网络的输入参数,对应的粮虫类别代号作为输出参数,建立BP神经网络,并在网络学习过程中采用贝叶斯正则化优化算法对其进行改进。最后通过仿真试验表明:该方法在粮虫识别算法中收敛速度快,预测精度高,稳定性好,泛化能力优,从而证实了该方法在实际应用中的可行性。     

基于BP神经网络模型的果实蝇自动分类系统

果实蝇属昆虫危害水果和蔬菜,造成产量下降,影响对外贸易,对其识别是检疫工作中的重要部分,现有的人工辨识方法受时间、知识等因素影响不能准确、有效辨识。提出了一种基于BP神经网络模型的果实蝇分类方法,采用几何形态测量学中的标记点法对果蝇翅进行特征提取,通过方差分析确定了用于果蝇鉴定的11个主特征,建立3层BP神经网络模型,结合Levenberg-Marquardt BP训练函数对数据集进行训练,得到完整的可用于果实蝇分类的BP神经网络。实验表明,该方法能够对实蝇进行有效的辨识,对桔小实蝇、瓜实蝇、具条实蝇和南亚果实蝇等高风险果实蝇辨识的准确率分别是90.0%、93.3%、90.0%和96.7%,总体准确率为92.5%,具有良好的应用前景。     

基于BP神经网络的非线性函数逼近仿真研究

神经网络的建模方法的主要特点是模型易于实现(辨识模型即为神经网络本身)和对非线性映射的逼近性能良好,为非线性系统黑箱辨识问题提供了一种十分有效的工具。本文在研究BP神经网络MATLAB实现的基础上,提出了一个用于非线性函数逼近的3层BP网络。训练结果表明:预测值与期望值具有较好的一致性,说明BP网络具有良好的预测能力。     

基于计算机视觉和神经网络的芒果外观等级分类研究

针对目前对芒果外观品质分级还是采取人工分级的不足,提出了一种基于计算机视觉和BP神经网络的芒果外观等级分类方法。首先,通过计算机视觉技术获取芒果图像,并利用基本的图像处理方法对芒果图像进行预处理。其次,根据芒果外观特征对芒果外观等级分类的影响,选择芒果的小波特征、缺陷面积所占百分比、颜色H分量值、芒果横径和果形指数等特征作为芒果外观等级分类的特征参数。最后,将提取的8个特征参数作为BP神经网络的输入,以芒果的3个等级分类为输出,建立芒果外观等级分类的神经网络模型,实现了芒果的外观等级分类。试验结果表明了该方法的有效性,识别率达93.3%。     

基于神经网络的心电分类器设计

设计了一种基于神经网络的心电分类器,该设计利用前向多层神经网络的反向传播算法,即BP算法,采用Matlab软件建立了用于心电信号分类的BP神经网络,并利用大量的心电图数据训练神经网络,使神经网络能分辨出正常和异常的心电信号。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。