维普中文期刊产品整合服务
1篇 您的检索式:作者名="David Heckmann"
    题名 作者 年代 出处 被引量
1Machine Learning Techniques for Predicting Crop Photosynthetic Capacity from Leaf Reflectance Spectra显示文摘在光合的能力利用自然变化是向收益增加的一条有希望的线路,但是生理的 phenotyping 为大规模基因屏幕仍然是太勤劳的。这里,我们评估叶反射光谱学的潜力预言在 Brassica oleracea 和 Zea mays, C 3 和 C 4 的光合的能力的参数分别地收割。到这个目的,我们系统地评估了反射系列的性质并且发现他们在大量种类上是令人惊讶地类似的。我们估计了 untransformed 系列上的方法和选择递归的特征消除作为产出最高预兆的力量的比较喜欢的算法由部分最少的广场回归跟随了的大量机器学习的表演。这个算法的学习曲线建议最佳的种类特定的样品尺寸。用 Brassica 相对 Moricandia,我们评估了在种类之间的模型可转移性并且发现跨种类的性能不能从种系发生的最近被预言。最后的 intra 种类模型预言庄稼有高精确性的光合的能力。在估计的模型精确性上基于,我们在选择繁殖实验模仿了模型的使用,并且证明用我们的方法的高产量的光合的 phenotyping 有潜力极大地改善引起成功。我们的结果显示叶反射 phenotyping 是为改善的一个有效方法收割光合的能力。David Heckmann Urte Schluter Andreas P.M. Weber 2017Molecular Plant2017,10,6:4
返回顶部 每页显示:
共1页 首页 上一页 第1页 下一页 末页 /1 跳转

网站首页 | 关于我们 | 联系我们 | 产品服务 | 客服中心 | 广告服务 | 版权声明 | 网站联盟 | 友情链接 | 售卡网点

版权所有© 渝B2-20050021-1 渝公网安备 50019002500403号 违法和不良信息举报中心

互联网出版许可证 新出网证(渝)字10号 全国400电话 - 免长途话费