基于人工神经网络的红籽瓜数量性状研究

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
  • 相关论文文献

    • [1].吴城大板籽瓜提纯复壮研究初报[J]. 现代园艺 2020(17)
    • [2].从文献分析看我国籽瓜科研生产的方向[J]. 甘肃农业科技 2019(06)
    • [3].我国籽瓜的开发现状与研究进展[J]. 北方园艺 2018(06)
    • [4].籽瓜收获机械研究现状与发展展望[J]. 农机化研究 2017(02)
    • [5].籽瓜收获机械研究现状与展望[J]. 农技服务 2016(16)
    • [6].新疆籽瓜细菌性果斑病发生及综合防治[J]. 农业科技通讯 2017(05)
    • [7].籽瓜的营养价值[J]. 北京农业 2015(36)
    • [8].不同分子量黑籽瓜种子多肽抗氧化能力的研究[J]. 食品工业科技 2016(09)
    • [9].基于HACCP原理的籽瓜深加工生产研究[J]. 甘肃科技 2016(10)
    • [10].籽瓜粉加工过程中护色工艺研究[J]. 食品科技 2015(03)
    • [11].籽瓜高产优质栽培技术[J]. 农村科技 2015(08)
    • [12].籽瓜栽培技术措施[J]. 中国种业 2015(10)
    • [13].采收小帮手[J]. 小学生导刊(高年级) 2018(12)
    • [14].籽瓜增值的奥秘[J]. 致富天地 2008(11)
    • [15].无籽有籽一个价[J]. 学习博览 2008(11)
    • [16].籽瓜收获机割台去草秧装置的设计与试验[J]. 甘肃农业大学学报 2020(03)
    • [17].甘肃靖远瓤籽兼用籽瓜[J]. 青海农技推广 2018(01)
    • [18].干旱胁迫下旱砂地籽瓜生理响应及其抗旱性评[J]. 干旱区研究 2018(03)
    • [19].旱砂地两种籽瓜光合日变化及光响应研究[J]. 干旱地区农业研究 2018(05)
    • [20].巴彦淖尔市籽瓜产业现状调查与对策研究[J]. 河套学院学报 2016(04)
    • [21].籽瓜皮多酚的提取及其抑菌作用研究[J]. 天然产物研究与开发 2015(01)
    • [22].籽瓜挖瓤机瓜瓤细碎度试验[J]. 机械设计与研究 2014(06)
    • [23].籽瓜干皮的体外抑菌及急性毒性实验研究[J]. 食品与发酵科技 2015(02)
    • [24].籽瓜原汁澄清工艺优化[J]. 食品科技 2015(06)
    • [25].“应得”对籽瓜白粉病的防治效果研究[J]. 新疆农垦科技 2014(07)
    • [26].籽瓜优良品种引进筛选试验[J]. 农村科技 2013(02)
    • [27].我国红籽瓜产区分布及优良品种介绍[J]. 中国蔬菜 2013(09)
    • [28].用籽瓜汁鉴定生物组织中有还原糖[J]. 中国教育技术装备 2013(17)
    • [29].30%苯醚甲环唑悬浮剂防治籽瓜炭疽病药效试验[J]. 农村科技 2012(02)
    • [30].反渗透浓缩籽瓜汁的实验研究[J]. 食品工业科技 2012(19)

    标签:;  ;  ;  ;  ;  ;  

    基于人工神经网络的红籽瓜数量性状研究
    下载Doc文档

    猜你喜欢