基于人工神经网络的红籽瓜数量性状研究

论文摘要

在作物育种过程中,人们获取了大量的数量性状数据,这些农业领域的数据中含有性状复杂、变异广泛、数量庞大的原始信息。如何发现和利用这些数据中所蕴藏的规律与特征,已成为育种工作者关注的问题。随着人工神经网络技术的发展,人工神经网络技术已在多个领域中得到广泛的应用。人工神经网络具有并行处理、自适应自组织、联想记忆及容错性等优点,能从大量的、有噪声的、模糊的数据中,提取隐含在其中事先不知道的有用信息和知识。本研究在安徽省自然科学基金项目“籽用西瓜种质资源性状遗传规律及优势组合的研究（项目编号:01041108）”项目支持下,通过田间试验与测量,获得多代红色籽用西瓜自交系主要经济性状数据集,依据此数据集,探讨了BP神经网络、自组织竞争神经网络技术在红色籽用西瓜数量性状的应用方案,取得如下研究成果。1、运用数据库原理与方法设计数据库,将红籽瓜数量性状数据集存储在数据库中。数据库的建立,能够提高决策者对数据集进行组织和利用的能力,使得信息能够更好地为决策服务。2、对BP神经网络技术进行了深入细致的研究,基于BP神经网络预测功能,根据红籽瓜数量性状预测结果,旨在从数量庞大的原始材料中选择出具有优良性状的种质材料,使这些种质材料转变为便于利用的新种质,为新品种的育成做好前奏工作。3、将自组织竞争神经网络的聚类功能应用到育种工作中,聚类所得类别很好的反映了种质特性。从多个数量性状的整体角度合理利用红籽瓜种质资源,在不同类群中选择出优良的自交系相互交配,对亲本选择及减少组配杂交组合的盲目性均有参考意义。4、论文从技术上着重阐述SPSS-Clementin中的BP神经网络,以及自组织竞争神经网络技术的设计与实现。研究表明,运用人工神经网络对红籽瓜数量性状数据进行研究,具有坚实的理论基础与良好的技术可行性。揭示红籽瓜数量性状中所蕴藏的规律与特征,为品种选育过程中自交系纯化、亲本选择提供新的理论依据,为育种工作提供新的决策方法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 论文研究的主要工作
• 1.3 论文的组织与安排
• 2 人工神经网络技术
• 2.1 人工神经网络概念
• 2.2 人工神经网络学习
• 2.3 人工神经网络任务
• 2.4 人工神经网络实施过程
• 3 基于BP神经网络的红籽瓜数量性状研究
• 3.1 引言
• 3.2 BP神经网络
• 3.2.1 BP神经网络结构
• 3.2.2 BP神经网络算法
• 3.2.3 BP神经网络存在的问题及改进
• 3.3 数据准备
• 3.3.1 数据来源
• 3.3.2 数据存储模式的设计
• 3.3.3 数据归一化
• 3.4 BP神经网络结构设计
• 3.4.1 Clementine平台
• 3.4.2 数据样本的选择
• 3.4.3 输入层、输出层样本向量的确定
• 3.4.4 隐含层的确定
• 3.5 红籽瓜预测结果及分析
• 3.5.1 红籽瓜预测过程
• 3.5.2 结果解释
• 3.6 小结
• 4 基于自组织竞争神经网络的红籽瓜数量性状研究
• 4.1 引言
• 4.2 自组织竞争神经网络
• 4.2.1 自组织竞争神经网络结构
• 4.2.2 自组织竞争神经网络算法
• 4.3 红籽瓜自交系的性状表现
• 4.4 红籽瓜数据聚类指标
• 4.4.1 数据来源
• 4.4.2 红籽瓜数据标准化处理
• 4.4.3 聚类指标选取
• 4.5 KOHONEN神经网络建立
• 4.5.1 Kohonen神经网络拓扑结构
• 4.5.2 Kohonen神经网络构建
• 4.5.3 Kohonen神经网络训练
• 4.5.4 Kohonen神经网络训练结果
• 4.6 小结
• 5 结论与讨论
• 5.1 结论
• 5.2 讨论
• 5.3 本研究创新点
• 5.4 进一步研究建议
• 参考文献
• 致谢
• 个人简历
• 学术论文与参加的科研情况
• 附录