دسته بندی و پیش بینی ارقام مقاوم و حساس به مگس زیتون با استفاده از یادگیری ماشین
Publish place: 12th Congress of Iranian Genetics Society
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 825
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIGS12_0654
تاریخ نمایه سازی: 5 بهمن 1392
Abstract:
مگس میوه زیتون Bactroceraoleae که تا سال 1383 آفت قرنطینه ای خارجی زیتون محسوب می شد، در حال حاضر خطرناک ترین آفت زیتون در کشور ما می باشد و بنابراین، شناسایی ارقام مقاوم و حساس به آفت فوق بسیار حیاتی و مهم است. در دهه اخیر شاهد پیشرفت قابل ملاحظه ای در ژنتیک مولکولی و داده پردازی بیولوژیکی هستیم. ابزارها و روش های محاسباتی در دهه اخیر شاهد پیشرفت قابل ملاحظه ای در ژنتیک مولکولی و داده پردازی بیولوژیکی هستیم. ابزارها و روش های محاسباتی و الگوریتم های مختلفی برای تجزیه و تحلیل اطلاعات و به تصویر کشیدن یافته های بیولوژیکی انجام گرفته است. روش های تئوریکی، تحلیلی، مدلینگ ریاضی و شبیه سازی کامپیوتری برای مطالعه سیستم های بیولوژیکی، رفتاری و حتی اجتماعی ایجاد شده است. الگوریتمها، مدل ها شیوه های مختلفی برای یافتن ارتباط میان افراد بوجود آمده و گسترش یافته است. یادگیری مدل های SMV و Bayse تکنیک های رایج یادگیری ماشین می باشند ک به دلیل سادگی و کارآمدی به شکل گسترده ای در مسائل مربوط به یادگیری ماشینی استفاده می شود. در این بررسی، برای اولین بار از شیوه های مختلف داده کاوی و یادگیری ماشین برای تعیین طبقه بندی کننده ای که می تواند ارقام مقاوم و حساس ب مگس میوه در زیتون را بر اساس داده های بدست آمده از مارکرهای مولکولی RAPD و ISSR متمایز نماید، استفاده شده است. همچنین با استفاده از یادگری ماشین به پیش بینی ارقام مقاوم و حساس پرداخته شده است. از میان 400 آلل مورد بررسی 5 آلل از مارکر RAPD و 4 آلل از مارکر ISSR بیشترین پتانسیل برای دسته بندی را دارند. الل UBC807a7 بهترین الل برای پیش بینی بر اساس درختان تصمیم می باشد.
Keywords:
Authors
صبا صبور
دانشجوی کارشناسی ارشد اصلاح نباتات، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین
امیرحسین بیکی
استادیار و دانشیار گروه زیست شناسی، دانشکده علوم پایه، دانشگاه قم
منصور ابراهیمی
استادیار و دانشیار گروه زیست شناسی، دانشکده علوم پایه، دانشگاه قم
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :