排序方式: 共有75条查询结果,搜索用时 15 毫秒
11.
利用微卫星标记指导红鳍东方鲀亲本选配 总被引:1,自引:0,他引:1
为制定红鳍东方鲀家系配组方案提供可行性指导,利用微卫星标记辅助红鳍东方鲀Takifugu rubripes家系的建立,选择34个微卫星标记对红鳍东方鲀两个群体进行遗传评估。结果表明:A群体的平均等位基因数(Na)和Nei基因多样性指数(He)分别为6.647 0和0.711 5,B群体的相应值分别为4.647 1和0.646 1,且两个群体之间的遗传差异达到显著性水平(P0.05);群体间的遗传分化系数(GST)为0.050 7,基因流(Nm)为4.679 6,表明红鳍东方鲀群体间存在低程度的遗传分化和一定程度的基因交流;分子方差分析(AMOVA)表明,遗传变异主要存在于群体内,所占比例为78.49%,而群体之间仅占21.51%;根据群体间Nei氏遗传距离构建UPGMA系统树,群体内个体之间的遗传距离为0.11~0.82,依据遗传距离的远近将全部个体分成多个分支,不同分支内含有数个个体;各项遗传参数表明,试验群体具备一定程度的遗传变异,不同个体之间拥有相对较远的亲缘关系,可以根据个体之间遗传距离制定育种计划,建立家系进行选育研究。研究表明,利用微卫星标记信息构建红鳍东方鲀家系的方法是切实可行的。 相似文献
12.
13.
利用图像识别方法对常见的谷子叶片病害进行判别,为制定合理的病害防治措施提供科学依据。试验采集了谷瘟病、白发病、红叶病、锈病共4种谷子叶片病害的原始图像,运用基于超绿特征的最大类间方差法对谷子叶片病害进行分割,提取谷子叶片病害颜色、形态、纹理等共计19个特征,采用蚁群优化算法选择了8个特征。运用布谷鸟算法(cuckoo search,CS)优化支持向量机(support vector machine,SVM)的惩罚因子c和径向核函数g,利用SVM对谷子叶片病害进行自动判别。结果表明,当c=80.2662,g=1.8467时,谷子叶片病害和叶片的平均识别率达到99%,表明基于CS-SVM的图像识别方法可对4种谷子叶片病害进行准确分类。 相似文献
14.
15.
[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。 相似文献
16.
17.
18.
19.
通过一起因接地线接地不良造成检修线路带电案例,详细分析了检修线路高电压的来源及产生原因.并提出了加强施工安全管理和农村用电管理的一些切实可行的具体措施和办法。 相似文献
20.