科研产出
Stacking Learning在高光谱图像分类中的应用
《应用科技 》 2018
摘要：高光谱图像分类研究中,集成学习能够显著地提高分类效果。但是传统的并行多分类系统对基础分类器有较高要求,即要求差异性及分类均衡。为了解决这一问题,采用Stacking Learning的堆栈式学习方式,首先使用K-Fold和交叉验证的方式进行数据分割和训练,将原始特征进行特征变换,重新构建二级特征。再使用新特征进行对Meta分类器进行训练得到判决分类器,用于样本的最后分类判断。实验结果表明,采用的Stacking Learning方法不依赖基础分类器,且相比较于传统的多分类系统具有更高的精度和良好的稳定性。
关键词： 高光谱图像 多分类系统 Stacking Learning 集成学习 交叉验证 图像分类 特征变换 K-Fold
全文链接
请求原文
脱毒马铃薯试管微型薯智能繁育技术
《种子科技 》 2018
摘要：在我国,马铃薯是一种常见的食物,深受消费者的喜爱,为寻找粮食新增长点打开了一个新的突破口,但是在实际的种植过程中还存在着许多问题等待解决。通过脱毒马铃薯试管苗和试管微型薯培育,马铃薯种薯在实践过程中展现出了良好的作用,使培育的马铃薯在产量上有所突破。但是脱毒马铃薯种薯在繁育过程中还存在着一些问题,例如马铃薯试管苗生产规模小、繁殖周期长、容易受污染、栽植成活率低等。对这些问题进行了分析和探究,提出了用脱毒马铃薯试管微型薯智能繁育技术来解决这些问题,提升马铃薯的产量和质量。
全文链接
请求原文
高效氯氟氰菊酯、噻虫嗪及其代谢物噻虫胺在小麦中的残留及消解动态分析
《麦类作物学报 》 2018 北大核心 CSCD
摘要：为了评价高效氯氟氰菊酯、噻虫嗪及其代谢物噻虫胺在小麦生产上的安全性,建立了气相色谱测定的高效氯氟氰菊酯及UPLC-MS/MS测定噻虫嗪和噻虫胺的残留分析方法,并对高效氯氟氰菊酯和噻虫嗪在小麦籽粒、植株和土壤中的消解动态进行了研究。结果表明,高效氯氟氰菊酯、噻虫嗪和噻虫胺在不同样品中的平均加标回收率为77.0%~105.6%,相对标准偏差为0.6%~11.1%;高效氯氟氰菊酯、噻虫嗪和噻虫胺在小麦籽粒、植株和土壤中的最低检测浓度均为0.05mg·kg-1,最小检出量分别为0.002 5、0.000 1、0.012ng。高效氯氟氰菊酯在小麦植株和土壤中的半衰期分别为8.0~12.4d和16.5~19.3d;噻虫嗪在小麦植株和土壤中的半衰期分别为1.2~2.5d和3.7~5.3d;2014年和2015年,在哈尔滨、新乡和银川市三地以240g·hm-2和360g·hm-2施药量分别施药2~3次,距最后一次施药14d时,高效氯氟氰菊酯、噻虫嗪和噻虫胺在小麦籽粒中的最高残留量均小于0.05mg·kg-1,低于我国国家标准(GB2763-2016)。
全文链接
请求原文
小麦Ph基因的研究进展
《分子植物育种 》 2018 北大核心 CSCD
摘要：利用远缘杂交将小麦亲缘种属的某些优良性状导入到小麦中是改良小麦品种的重要途径。但小麦自身带有的抑制部分同源染色体配对的ph基因,使外缘基因的导入受到限制。因而利用缺失的ph基因可以得到小麦异源附加系、易位系等新的小麦品系,对于小麦的生产实践具有重要作用。本综述从ph基因的突变体与抑制基因,ph基因作用机制与分子机理和ph基因的应用三方面综述ph基因的研究进展,并对其前景进行展望,旨在为麦类作物染色体遗传与进化、同源关系分析以及基因调控等研究提供理论依据。
全文链接
请求原文
黑龙江省马铃薯晚疫病预测预报模型应用评价
《中国马铃薯 》 2018
摘要：马铃薯晚疫病是世界马铃薯生产上一种毁灭性病害,化学防治是控制马铃薯晚疫病最有效和最简单的方法。但是,化学防治存在用药不及时和过度施药的问题,采用马铃薯晚疫病预测预报模型可以有效解决这个问题。应用黑龙江省马铃薯晚疫病预测预报模型,对马铃薯晚疫病发生进行了预测,并与丹麦NegFry模型、每7 d施药和每10 d施药处理比较。黑龙江省马铃薯晚疫病预测预报模型处理、丹麦NegFry模型处理和每7 d施药处理与对照相比在病害防治效果方面差异显著,黑龙江省马铃薯晚疫病预测预报模型处理与丹麦NegFry模型处理和每7 d施药处理相比不显著。采用黑龙江省马铃薯晚疫病预测预报模型与实际病害发生拟合度达95%。黑龙江省马铃薯晚疫病预测预报模型与丹麦NegFry模型处理、每7 d施药处理、每10 d施药处理相比,减少杀菌剂使用次数1～3次。与空白对照相比,增产48.24%,小薯率降低5.63个百分点,烂薯率降低4.52个百分点,增加纯收入12 090元/hm~2。所以,黑龙江省马铃薯晚疫病预测预报模型与丹麦NegFry模型和每7 d防治处理达到同等防治效果,且降低农药使用量,可及时指导晚疫病田间防治工作。
全文链接
请求原文
