加性
- 基于三次B樣條平滑的加性風(fēng)險模型擬合研究
型的替代模型,即加性風(fēng)險模型.與比例風(fēng)險模型不同的是,加性風(fēng)險模型是假設(shè)基底風(fēng)險函數(shù)與協(xié)變量之間的一個加性結(jié)構(gòu).在實際應(yīng)用中,加性風(fēng)險模型對數(shù)據(jù)的擬合效果更好,正是由于它這一特性,加性風(fēng)險模型中的回歸參數(shù)更容易解釋實際意義[3-4].目前,運用不同模型對數(shù)據(jù)進(jìn)行擬合的研究有很多.顧劉金首先利用Cox模型對數(shù)據(jù)進(jìn)行擬合,但由于Cox模型具有比例風(fēng)險性,故基于SPSS采用Logistic回歸模型對數(shù)據(jù)進(jìn)行擬合得出結(jié)果[5].Jardim等利用微分方程模型對葡萄
湖州師范學(xué)院學(xué)報 2023年8期2023-10-17
- 節(jié)瓜種子大小的主基因+多基因遺傳分析
長度的遺傳均符合加性-顯性-上位性多基因遺傳模型，且以多基因加性效應(yīng)為主；張可鑫等［6］得到甜瓜種子長度、寬度和百粒質(zhì)量的遺傳分別符合2 對加性-顯性-上位性主基因遺傳模型以及1 對加性-顯性主基因遺傳模型；王毅等［7］通過對冬瓜4 個世代遺傳分析，得出冬瓜種子長度的遺傳符合2 對完全顯性主基因+加性-顯性主基因遺傳模型（E5），種子寬度的遺傳符合2 對加性-顯性主基因+加性-顯性多基因模型（E2）；劉文睿等［8］通過對冬瓜6 個世代種子千粒質(zhì)量進(jìn)行遺傳分
廣東農(nóng)業(yè)科學(xué) 2023年4期2023-06-07
- 秘魯外海莖柔魚索餌場棲息地研究
破20萬t。廣義加性模型最先由Hastie等[1]提出,之后被廣泛應(yīng)用到漁業(yè)資源的研究中[2-9]。兩步廣義加性模型作為廣義加性模型的擴(kuò)展[10-11],能夠在建模過程中保留漁業(yè)生產(chǎn)中產(chǎn)量為零的數(shù)據(jù),因此近年來被廣泛用于預(yù)測漁業(yè)資源的棲息地分布。目前有關(guān)莖柔魚的棲息地研究主要采用棲息地適宜性指數(shù)模型[12-16],而該模型無法解決產(chǎn)量為零的數(shù)據(jù)。筆者根據(jù)2006—2010年秘魯外海莖柔魚魷釣生產(chǎn)數(shù)據(jù)以及海洋環(huán)境數(shù)據(jù),利用兩步廣義加性模型分析莖柔魚適宜索餌場
水產(chǎn)科學(xué) 2023年3期2023-05-18
- 春、夏季浙江南部近海日本鯖資源分布特征及其環(huán)境影響因子
關(guān)注。其中,廣義加性模型中的解釋變量被光滑函數(shù)代替,可以處理響應(yīng)變量和多個解釋變量之間復(fù)雜的非線性關(guān)系[7],主要應(yīng)用于漁業(yè)資源的分布預(yù)測[8]、單位捕撈努力量漁獲量標(biāo)準(zhǔn)化[7]、漁業(yè)資源與環(huán)境因素的關(guān)系[9]等方面。在漁業(yè)資源調(diào)查中,日本鯖等魚類資源分布通常具有不均勻性,且采樣零值出現(xiàn)情況較多,因此基于常規(guī)分布族的廣義加性模型不能很好地模擬此類情況下漁業(yè)資源分布與環(huán)境因子之間的關(guān)系。兩階段廣義加性模型是對廣義加性模型的擴(kuò)展[10],在處理漁業(yè)資源常見的零
水產(chǎn)科學(xué) 2023年3期2023-05-18
- 高維加性Cox 模型的估計
非參數(shù)模型，例如加性Cox 模型，加性Cox 模型中分量函數(shù)的引入顯著增加了模型的靈活性，因此，大量學(xué)者對加性Cox 模型進(jìn)行了研究。Tibshirani（1997）首次提出在Cox 模型中使用Lasso進(jìn)行變量選擇，F(xiàn)an 和Li（2002a，2002b）提出在Cox模型中使用平滑剪裁絕對偏差（SCAD）懲罰進(jìn)行變量選擇和估計，Huang（1999）利用多項式樣條研究了部分線性可加Cox 模型下最大偏似然估計的性質(zhì)，但是，上述作者僅僅研究了加性模型維數(shù)p
科海故事博覽 2023年2期2023-02-07
- 甜玉米品質(zhì)性狀的主基因＋多基因遺傳分析
果皮厚度符合1對加性主基因+加性-顯性多基因混合遺傳。宋軼群等[11]、栗亞靜等[12]研究表明玉米淀粉含量是由2對加性-顯性-上位性＋加性-顯性多基因控制，畢成龍[13]、李穎[14]、包和平等[15]研究表明玉米淀粉含量由1對加性主基因＋加性-顯性多基因控制。李穎[14]對高油玉米蛋白含量遺傳模型進(jìn)行分析，得出蛋白含量符合2對主基因加性-顯性-上位性＋加性-顯性多基因混合遺傳模型。包和平等[16]對爆裂玉米蛋白質(zhì)含量進(jìn)行遺傳模型分析，得出蛋白含量符合1
中國農(nóng)學(xué)通報 2022年30期2022-11-25
- 玉米葉寬的遺傳效應(yīng)分析
米葉寬相關(guān)基因的加性效應(yīng)、顯性效應(yīng)和上位性效應(yīng)均有檢測發(fā)現(xiàn)，但結(jié)果卻不盡一致[8]。有研究[9-10]認(rèn)為，玉米葉寬的遺傳除加性基因效應(yīng)起主導(dǎo)作用外，顯性基因效應(yīng)也很重要。也有研究[11-12]認(rèn)為，控制葉寬的基因效應(yīng)以加性效應(yīng)為主，同時還與非加性效應(yīng)有關(guān)。王雅萍[13]研究表明，葉寬加性效應(yīng)方差比顯性效應(yīng)方差大，廣義和狹義遺傳力均較低?；羰似降萚14]研究認(rèn)為，加性效應(yīng)是穗上葉葉寬遺傳的主導(dǎo)因素，顯性效應(yīng)對葉寬遺傳的貢獻(xiàn)率次之，上位性作用的效應(yīng)值也是顯著
作物雜志 2022年5期2022-11-18
- 甜蕎莖稈重心高度和抗折力的遺傳分析
-0模型，即1對加性-顯性主基因+加性-顯性-上位性多基因模型，莖稈抗折力的最佳遺傳模型為E-0模型，即2對加性-顯性-上位性主基因+加性-顯性-上位性多基因模型；對反交組合，莖稈重心高度和抗折力的最佳遺傳模型均為E-1模型，即2對加性-顯性-上位性主基因+加性-顯性多基因模型。表4 正、反交組合后代莖稈重心高度備選遺傳模型的適合性檢驗Table 4 Test for goodness-fit of selected genetic model for c
作物雜志 2022年4期2022-09-13
- 機床用基于加性分解PMSM的滑模控制＊
態(tài)特性與魯棒性。加性分解（additive decomposition，AD）理論，是一種可以使復(fù)雜大系統(tǒng)分解為兩個簡易小系統(tǒng)的疊加，這樣就能很好地在簡易小系統(tǒng)內(nèi)完成各自問題，進(jìn)而實現(xiàn)復(fù)雜的原始系統(tǒng)控制。文獻(xiàn)[5]將該理論實現(xiàn)在風(fēng)力機變槳控制器設(shè)計中，使原復(fù)雜的非線性系統(tǒng)，分解為2個簡單的控制問題。文獻(xiàn)[6]策略是將跟蹤子任務(wù)分配給主系統(tǒng)，將穩(wěn)定子任務(wù)分配給輔助系統(tǒng)，因此主系統(tǒng)可以使用頻域或時域中的標(biāo)準(zhǔn)設(shè)計方法，而輔助系統(tǒng)就可以采用許多非線性穩(wěn)定控制方法。
制造技術(shù)與機床 2022年5期2022-05-12
- 甜瓜果實長度主基因+多基因遺傳分析
PG-ADI，為加性-顯性-上位多基因模型，無主基因效應(yīng)；D-0和E-1 分別對應(yīng)MX1-AD-ADI 和MX2-ADI-AD，受1 對或2 對主效基因控制，也受多種效應(yīng)的多基因影響。由此可見，備選的3 種遺傳模型存在一定的差異，特別是C-0 與D-0、E-1 的差異較大，需要進(jìn)一步檢驗，以確定最適遺傳模型。表2 各遺傳模型的MLV 及AIC 值對3 個備選模型進(jìn)行適合性檢驗，結(jié)果見表3。C-0 模型在春秋兩季共出現(xiàn)7 個顯著性統(tǒng)計量，D-0模型在兩季共有
中國瓜菜 2022年4期2022-05-07
- ?2?4[u]-加性循環(huán)碼
稱為 ?2?4-加性碼[12-14]。?2?4-加性碼被定義為的子群。T.Abualrub等[15]引入了?2?4-循環(huán)碼，并確定了這類循環(huán)碼的生成多項式。最近,文獻(xiàn)[16-17]中介紹了一類新的加性循環(huán)碼:?2?2[u]-加性循環(huán)碼。文獻(xiàn)[18]討論了?p?p[u]-加性循環(huán)碼的結(jié)構(gòu)并得到了它們的最小生成集。文獻(xiàn)[19]研究了?2?4[v]-加性循環(huán)碼及其對偶碼。本文將?2?2[u]-加性循環(huán)碼推廣到?2?4[u]-加性循環(huán)碼，其中u2=0。首先討論?2
阜陽師范大學(xué)學(xué)報(自然科學(xué)版) 2022年1期2022-04-02
- 環(huán)FqFq[u,v]上加性碼的MacWilliams 恒等式
一些重量計數(shù)器。加性碼的研究起源于1973 年，Delsarte[10]首次定義了加性碼，而環(huán)上的加性碼因在環(huán)幾何與強正則圖等領(lǐng)域有廣泛的應(yīng)用一直得到人們的關(guān)注。2010 年，Borges 等[11]通過構(gòu)造從到的Gray 映射，研究了環(huán)?2?4上加性碼和它對偶碼的相關(guān)性質(zhì)。近年來，學(xué)者們對加性碼的重量及結(jié)構(gòu)進(jìn)行著廣泛而深入的研究，如[12-17]。最近，Aydogdu 等[18]討論了環(huán)?2?2[u]上的加性碼，施敏加等[19]后來又研究了環(huán)?2?2[u
阜陽師范大學(xué)學(xué)報(自然科學(xué)版) 2022年1期2022-04-02
- 加性頻域分解的生成對抗網(wǎng)絡(luò)語音去混響
，本文提出了一種加性頻域分解模型的生成對抗網(wǎng)絡(luò)（GAN） 語音去混響算法。首先，以預(yù)先降低混響語音數(shù)據(jù)本身的相關(guān)性為目的，在數(shù)據(jù)處理階段引入對數(shù)運算，將聲源語音與RIR在頻域中的乘性關(guān)系轉(zhuǎn)換為加性關(guān)系，從而實現(xiàn)加性分解；然后，采用GAN對混響中的高維特征分布進(jìn)行學(xué)習(xí)，使GAN輸出RIR的對數(shù)幅度譜估計，再通過簡單的減法運算，可有效提高去混響語音的整體質(zhì)量。1 加性頻域分解模型的去混響原理1.1 混響數(shù)學(xué)模型聲音經(jīng)天花板、墻壁等反射吸收，其幅度和相位產(chǎn)生變化
工程科學(xué)與技術(shù) 2022年2期2022-03-28
- 對*-素環(huán)Jordan理想上廣義導(dǎo)子性質(zhì)的研究
環(huán),d是R到R的加性映射，若對任意的x,y∈R都有d(xy)=d(x)y+xd(y)，則d是R上的導(dǎo)子.若環(huán)R的可加子群U, 滿足[u,r]∈U,u∈U,r∈R, 則稱U為環(huán)R的Lie理想.若環(huán)R的可加子群J, 滿足u°r∈U,u∈J,r∈R, 則稱J為環(huán)R的Jordan理想.設(shè)F是環(huán)R上的可加映射，若存在R上的導(dǎo)子d，使得對任意的x,y∈R, 均有F(xy)=F(x)y+xd(y)，則稱可加映射F為R上的廣義導(dǎo)子，d為R上的伴隨導(dǎo)子.?x,y∈R有x°y
洛陽師范學(xué)院學(xué)報 2022年5期2022-03-18
- 圖像非加性隱寫綜述
響是獨立的，即為加性隱寫模型。目前的 STC（syndrome-trellis code）[1]和SPC（steganographic polar codes）[2]在給定嵌入率下，能夠在加性模型下接近失真理論界。圖1 自適應(yīng)隱寫通信系統(tǒng)Figure 1 Adaptive steganography communication system大量流行的圖像隱寫自適應(yīng)失真函數(shù)設(shè)計都是加性的，根據(jù)嵌入域?qū)⑺鼈兎譃榭沼蚺cJPEG域，其中針對空域圖像的失真函數(shù)有：H
網(wǎng)絡(luò)與信息安全學(xué)報 2021年6期2022-01-18
- 基于級聯(lián)加性噪聲模型的因果結(jié)構(gòu)學(xué)習(xí)算法
19 年提出級聯(lián)加性噪聲模型（Cascade Additive Noise Model，CANM），該模型在數(shù)據(jù)服從非線性加性噪聲假設(shè)下級聯(lián)結(jié)構(gòu)仍是可識別的，但只能識別兩個結(jié)點的因果對，無法學(xué)習(xí)因果結(jié)構(gòu)。本文針對包含隱變量的級聯(lián)加性噪聲模型，結(jié)合基于約束的因果骨架學(xué)習(xí)算法以及級聯(lián)函數(shù)式因果模型，提出一種混合因果結(jié)構(gòu)學(xué)習(xí)算法。1 相關(guān)工作從觀測數(shù)據(jù)中學(xué)習(xí)因果網(wǎng)絡(luò)主要包括面向時序序列（如格蘭杰因果［12］、基于神經(jīng)網(wǎng)絡(luò)的聯(lián)合識別方法［13］等）以及非時序序列兩
計算機工程 2022年1期2022-01-14
- 大豆鮮莢籽粒上位性QTL及其互作效應(yīng)分析
莢寬、粒長和粒寬加性數(shù)量性狀位點(quantitative trait loci，QTL)，分別位于9條染色體(4、5、6、7、8、10號染色體等)上。趙晉銘等[8]分析大豆RIL群體百粒鮮重，獲得1個位于18號染色體，可解釋7.64%～12.7%表型變異加性QTLs。牛遠(yuǎn)[9]鑒定了257份大豆資源籽粒相關(guān)性狀，獲得多個控制粒長、粒寬、粒厚加性QTLs。Kenichiro等[10]鑒定大豆RIL群體單株莢數(shù)、每莢粒數(shù)和單粒重等，獲得4個穩(wěn)定QTLs。由此
中國農(nóng)業(yè)科技導(dǎo)報 2021年8期2021-11-03
- 小黑麥穗部性狀的主基因+多基因混合遺傳模型分析
主基因具有明顯的加性上位性作用。穗長和小穗數(shù)適合性檢驗的15個統(tǒng)計量在Y1、Y2環(huán)境下均無顯著偏離，AIC值最小的最佳遺傳模型均為MX2-CE-A模型，即2對連鎖主基因+加性多基因混合遺傳模型，說明穗長和小穗數(shù)的遺傳受多基因控制，2對主基因具有明顯的互補作用，多基因具有加性效應(yīng)。穗密度的15個統(tǒng)計量均無顯著偏離，AIC值最小的最佳遺傳模型為PG-AI模型，即加性上位性多基因遺傳模型。穗粒數(shù)備選模型15個統(tǒng)計量達(dá)到顯著水平的個數(shù)分別為2、0個，顯著性水平個數(shù)
草原與草坪 2021年4期2021-09-25
- 帶有加性噪聲的阻尼吊橋方程隨機吸引子的存在性
本文考慮如下帶有加性噪聲的吊橋方程：(1)隨機吸引子的存在性, 其中: (x,t)∈(0,L)×[τ,+∞);u=u(x,t)表示橋面在豎直方向的振動,u+為其正部, 即k>0表示彈性系數(shù),ku+是橋面在垂直方向振動時由Hooke定律得到的恢復(fù)力.根據(jù)Hooke定律, 當(dāng)?shù)鯓虮焕L時, 橋梁將受到大小與位移成正比的恢復(fù)力作用;α是黏性阻尼系數(shù); 對任意的s∈, 非線性函數(shù)g∈C2(,)滿足下列假設(shè):(2)(3)(4)(5)Θ={ω=(ω1,ω2,…,ωm)
吉林大學(xué)學(xué)報（理學(xué)版） 2021年5期2021-09-22
- 大豆鮮莢籽粒上位性QTL及其互作效應(yīng)分析
莢寬、粒長和粒寬加性數(shù)量性狀位點(quantitative trait loci，QTL)，分別位于9條染色體(4、5、6、7、8、10號染色體等)上。趙晉銘等[8]分析大豆RIL群體百粒鮮重，獲得1個位于18號染色體，可解釋7.64%～12.7%表型變異加性QTLs。牛遠(yuǎn)[9]鑒定了257份大豆資源籽粒相關(guān)性狀，獲得多個控制粒長、粒寬、粒厚加性QTLs。Kenichiro等[10]鑒定大豆RIL群體單株莢數(shù)、每莢粒數(shù)和單粒重等，獲得4個穩(wěn)定QTLs。由此
太平洋學(xué)報 2021年8期2021-09-11
- 語音信號傳輸過程中的閾上隨機共振現(xiàn)象
值系統(tǒng)中，適當(dāng)?shù)?span id="syggg00" class="hl">加性噪聲能夠改善語音信號的傳輸，這種現(xiàn)象被稱為閾上隨機共振。2000年，Stocks[5]研究了單閾值網(wǎng)絡(luò)系統(tǒng)中的閾上隨機共振現(xiàn)象。2015年，McDonnell等人[6]基于其在2009年提出的隨機池網(wǎng)絡(luò)模型[7]，以互信息為測度研究了在加性噪聲下的具有多元輸出的閾值系統(tǒng)中的閾上隨機共振現(xiàn)象。Cheng等人[8]研究了在乘性噪聲作用下，分別以互信息和信噪比為測度的具有多元輸出閾值系統(tǒng)中的閾上隨機共振現(xiàn)象。陳楠等人[9]以互信息為測度，研究
計算機技術(shù)與發(fā)展 2021年2期2021-03-08
- 模糊判斷矩陣加性一致性局部修正算法
中模糊判斷矩陣的加性一致性檢驗與修正問題,提出一種群體決策中模糊判斷矩陣加性一致性局部修正算法,并與已有算法進(jìn)行對比,通過數(shù)值例子說明算法有效性.1 預(yù)備知識通常我們將取值于[0,1]的矩陣稱為模糊矩陣,或者模糊關(guān)系[12].定義1[2]模糊矩陣P如果滿足pij=1-pji,則稱其為模糊判斷矩陣.明顯地,pii=0.5且記全體模糊判斷矩陣的集合為FPR.定義2[3]模糊判斷矩陣P如果對任意i,j,k=1,2,…,n,滿足pij=pik+pkj-0.5,則稱
聊城大學(xué)學(xué)報（自然科學(xué)版） 2020年1期2020-11-27
- 矩陣環(huán)的乘法導(dǎo)子
乘法雙射, 且是加性映射; 映射δ: R→R是R上的導(dǎo)子當(dāng)且僅當(dāng)δ是R上的乘法導(dǎo)子, 且是加性映射.目前, 關(guān)于環(huán)上乘法雙射是加性映射的研究已有很多結(jié)果： 文獻(xiàn)[1]和文獻(xiàn)[2]分別給出了環(huán)上乘法雙射是加性映射(同構(gòu))的充分條件; 文獻(xiàn)[3]從冪等元的角度給出了環(huán)上乘法雙射是加性映射(同構(gòu))的充分條件; 文獻(xiàn)[4]改進(jìn)了文獻(xiàn)[3]的結(jié)果； 文獻(xiàn)[5]研究了環(huán)上的乘法導(dǎo)子, 證明了當(dāng)有單位元1的結(jié)合環(huán)R滿足如下條件時, R上的乘法導(dǎo)子是加性映射(R上的導(dǎo)子)
吉林大學(xué)學(xué)報（理學(xué)版） 2020年6期2020-11-26
- 揭示晝夜節(jié)律對玉米蛋白質(zhì)與代謝組學(xué)的調(diào)控對雜種優(yōu)勢的貢獻(xiàn)（2020.10.3 eplants）
途徑的關(guān)鍵酶的非加性表達(dá)，玉米雜種可以優(yōu)化相應(yīng)代謝物的豐度，提高碳同化和解毒有毒代謝物，最終促進(jìn)植物生長。雜種優(yōu)勢廣泛存在于動植物中。盡管雜種優(yōu)勢的分子基礎(chǔ)已被廣泛研究，但代謝和蛋白質(zhì)組對雜種優(yōu)勢的貢獻(xiàn)仍然難以捉摸。近期，代謝組學(xué)分析顯示玉米不同基因型間存在較大的自然變異，代謝物變異與雜種優(yōu)勢有關(guān)。有趣的是，擬南芥中的許多代謝物表現(xiàn)出晝夜節(jié)律（24-h），并受到晝夜節(jié)律的調(diào)節(jié)，特別是那些參與光合作用途徑的代謝物（Kim，2017年）。在玉米中，接近清晨的時
三農(nóng)資訊半月報 2020年19期2020-10-27
- 定值和隨動單閉環(huán)系統(tǒng)傳感器故障診斷
;Ksor+a為加性故障模塊,a為加性故障偏差;通過模擬機械開關(guān)實現(xiàn)了乘性故障模塊、無故障模塊和加性故障模塊之間的切換.圖1 單回路控制系統(tǒng)方框圖Fig.1 Single loop control system block diagram系統(tǒng)無故障狀態(tài)下的傳遞函數(shù):其中:G(s)=G1(s)G2(s)KV;定值系統(tǒng)輸入信號R(s)為一恒定值,隨動系統(tǒng)中R(s)為一隨時間變化值,從上述式(1)–(3)可以看出當(dāng)不同系統(tǒng)發(fā)生不同故障時,系統(tǒng)的動態(tài)響應(yīng)不同,下面
控制理論與應(yīng)用 2020年9期2020-10-12
- 玉米莖稈第三和第五莖節(jié)穿刺強度遺傳模型選擇
析，認(rèn)為符合3對加性-上位性主基因+加性多基因遺傳模型，莖稈強度同時受到主效基因和微效多基因控制，且在特定環(huán)境下主基因與多基因具有相近的遺傳效應(yīng)。Stojsin等[4]對莖稈倒伏性研究得出控制倒伏以加性和顯性效應(yīng)為主，且加性值高，穗位下節(jié)間長度以顯性效應(yīng)為主， 穗下節(jié)間含水量以加性效應(yīng)為主，認(rèn)為后者可以作為抗倒性鑒定的良好指標(biāo)。Koinuma[5]研究根倒伏阻力值(HPR)的遺傳力后也發(fā)現(xiàn)是以加性效應(yīng)為主，表明抗倒性是受多基因控制的數(shù)量性狀，必須通過輪回選
四川農(nóng)業(yè)科技 2020年7期2020-08-21
- 數(shù)據(jù)驅(qū)動的閉環(huán)系統(tǒng)傳感器故障診斷方法
故障概括為2類:加性故障和乘性故障。設(shè)傳感器的測量輸出值為ym，被控對象的實際值為yr，則傳感器正常工作時，傳感器的測量輸出值為ym=yr;當(dāng)傳感器發(fā)生故障時，若故障為加性故障，則傳感器的測量輸出值為ym=yr+A，式中A是不為0的常數(shù)，表示由傳感器故障引入的傳感器輸出的偏差。若故障為乘性故障，則傳感器的測量輸出值為ym=Byr，式中的B是不為1的增益，表示由傳感器故障引入的輸出信號的增益。2 故障診斷方法研究2.1 故障檢測方法故障檢測的目的是檢測系統(tǒng)所
儀表技術(shù)與傳感器 2020年3期2020-04-26
- 小麥重要產(chǎn)量性狀的主基因+多基因混合遺傳分析
于單株產(chǎn)量是4對加性上位性主基因+多基因遺傳模型, 其主基因加性效應(yīng)值分別為3.78、2.89、–6.18和0.15, 多基因遺傳率為86.23%; 對于千粒重是2對互補作用主基因+加性效應(yīng)多基因混合遺傳模型, 多基因加性效應(yīng)值是22.37, 主基因遺傳率為66.96%, 多基因遺傳率為28.25%; 對于株高是2對累積作用主基因+加性作用多基因混合遺傳模型, 控制株高的第1對主基因加性效應(yīng)值是5.15, 加性×加性上位性互作效應(yīng)值為–9.66, 多基因加
作物學(xué)報 2020年3期2020-02-20
- 量子信道容量的不可加性首獲實驗驗證
子相干信息的不可加性。研究成果日前發(fā)表在《物理評論快報》上。信道容量是衡量通信信道在噪聲環(huán)境中通信能力的一個關(guān)鍵參數(shù)。量子容量表示信道傳輸量子信息的能力。量子信道的經(jīng)典容量和量子容量均具有不可加性。所謂不可加性就好比一個人的左耳和右耳都聽不到聲音，但把兩只耳朵一起用時，卻能夠聽得十分清楚。量子信道容量的不可加性雖然在理論上已經(jīng)有了充分的研究，但是要在實驗上觀測到“不可加”的現(xiàn)象卻十分困難。為了能實際觀測到這一現(xiàn)象，研究人員在實驗上構(gòu)建了一種同時具有“退相”
儀器儀表用戶 2020年9期2020-02-17
- 小麥穗部性狀的主基因+多基因混合遺傳模型分析
2對連鎖主基因+加性-上位性多基因遺傳模型。穗長的多基因遺傳率是90.64%，小穗數(shù)的多基因遺傳率是89.52%，穗長的環(huán)境變異平均值占表型變異的比例為9.39%，小穗數(shù)的環(huán)境變異平均值占表型變異的比例為10.50%；穗粒數(shù)的最佳遺傳模型是G-1（MX3-AI-A），符合3對加性-上位性主基因加多基因+加性混合遺傳模型，主基因遺傳率是69.39%，多基因遺傳率是29.94%，環(huán)境變異平均值占表型變異的比例為2.18%?？刂扑肓?shù)的第1對主基因的加性效應(yīng)值和
中國農(nóng)業(yè)科學(xué) 2019年24期2020-01-13
- 基于改進(jìn)型加性余弦間隔損失函數(shù)的深度學(xué)習(xí)人臉識別*
失函數(shù)[12]、加性余弦間隔損失函數(shù)[13]、加性角度間隔損失函數(shù)[14]等。加性余弦間隔損失函數(shù)僅通過將特征與目標(biāo)權(quán)重夾角的余弦值減去一個值,來達(dá)到減小類內(nèi)距離的目的,并沒有直接對類間距離進(jìn)行操作來拉大類間距離。為了解決上述問題,本文在加性余弦間隔損失函數(shù)的基礎(chǔ)上提出改進(jìn)型加性余弦間隔損失函數(shù),通過在特征與目標(biāo)權(quán)重夾角的余弦值減去一個值,在特征與非目標(biāo)權(quán)重夾角的余弦值加一個值,達(dá)到減小類內(nèi)距離,拉大類間距離的目的。1 改進(jìn)型加性余弦間隔損失函數(shù)1.1 S
傳感技術(shù)學(xué)報 2019年12期2020-01-02
- 加性與廣義加性模型回歸分析
1-2］1.1 加性模型將多重線性回歸模型進(jìn)行推廣，使其表達(dá)式成為下面的式（1）形式：在式（1）中，sj（Xj），j=1，2，…，p，是 P個“光滑函數(shù)”；誤差“ε”滿足如下條件：它的期望為0［E（ε）=0］、方差為 σ2［Var（ε）=σ2］。為了使式（1）成為可以估計的，要求光滑函數(shù) si（Xi）必須滿足如下的標(biāo)準(zhǔn)化條件：即期望為 0，E［sj（Xj）］=0。式（1）中的P個光滑函數(shù)不以參數(shù)形式呈現(xiàn)，而以非參數(shù)形式呈現(xiàn)。1.2 廣義加性模型在加性模型式
四川精神衛(wèi)生 2019年4期2019-11-09
- 甜瓜果實糖含量的主基因+多基因遺傳分析
D，即2對主基因加性-顯性-上位性＋多基因加性-顯性模型），模型D-0（MX1-ADADI，即1對主基因加性-顯性＋多基因加性-顯性-上位性模型）的AIC值與E-1接近；對于果糖含量，AIC值最小的模型為E-0（MX2-ADI-ADI，即2對主基因加性-顯性-上位性＋多基因加性-顯性-上位性模型），模型E-1的AIC值與E-0接近；對于蔗糖含量，AIC值最小的模型為E-1，模型E-5（MX2-AED-AD，即2對主基因完全顯性＋多基因加性-顯性模型）的AI
- 激光相干場成像散斑噪聲復(fù)合去噪方法*
像系統(tǒng)既受背景光加性噪聲影響, 又受激光乘性散斑噪聲影響. 為解決激光相干場成像系統(tǒng)受激光乘性散斑噪聲和背景光加性噪聲疊加引起的成像像質(zhì)退化效應(yīng)問題, 從噪聲抑制角度提高激光相干場系統(tǒng)高分辨成像像質(zhì), 研究建立了激光散斑乘性噪聲和背景光加性噪聲對大氣下行鏈路激光回波場信號影響干擾模型, 并基于該模型提出了一種基于同態(tài)濾波和稀疏基追蹤級聯(lián)復(fù)合去噪算法. 首先基于同態(tài)濾波理論將激光乘性散斑噪聲轉(zhuǎn)化為加性噪聲, 再由高通濾波器濾除散斑噪聲, 最后采用基追蹤稀疏理
物理學(xué)報 2019年5期2019-03-26
- 素環(huán)上的廣義(θ,θ)-導(dǎo)子
環(huán),d:R→R是加性映射.若對任意的x,y∈R,滿足：dxy=dxy+xdy,則稱d是R上的導(dǎo)子.若映射σ:R→R滿足：(1)σ(x)?R,x∈R;(2)σ(x+y)=σ(x)+σ(y),x,y∈R;(3)σ(xy)=σ(x)σ(y),x,y∈R,則稱σ為R的自同構(gòu)．設(shè)R是結(jié)合環(huán),g:R→R是加性映射,θ,φ是R上的自同構(gòu). 若對任意的x,y∈R, 滿足gxy=gxθy+φxgy, 則稱g為R上的θ,φ-導(dǎo)子. 設(shè)R是結(jié)合環(huán)，g:R→R是加性映射.若對任意
商丘師范學(xué)院學(xué)報 2019年3期2019-02-22
- 飼用高粱 4個主要株型性狀的遺傳分析
制，表現(xiàn)為主基因加性-顯性-上位性效應(yīng)。葉片數(shù)4個備選模型的U12、U22、U32、nW2和Dn均沒有達(dá)到顯著水平(P>0.05)，但由于Model B_1的AIC值最小。因此，Model B_1可作為該群體的最適遺傳模型，說明葉片數(shù)遺傳受2對主基因控制，并且表現(xiàn)為主基因加性-顯性-上位性效應(yīng)。旗葉葉面積4個備選模型中，只有Model B_2除U32未達(dá)到顯著水平外(P>0.05)，其余4個值都達(dá)到顯著水平(P表2 引-251與忻梁52組合后代F2株型性狀
貴州農(nóng)業(yè)科學(xué) 2019年1期2019-02-20
- 多閾值系統(tǒng)中的閾上隨機共振研究
了該模型同時含有加性和乘性噪聲時，系統(tǒng)中各參數(shù)對SSR現(xiàn)象產(chǎn)生的影響。但實際上該模型卻可能存在更復(fù)雜的情況，例如每個閾值單元有多個輸出。2009年，McDonnell等人[16]提出了隨機池網(wǎng)絡(luò)模型，這個靈活的模型可以捕獲感官神經(jīng)元的重要屬性，并用來模擬真實的生物網(wǎng)絡(luò)模型，能有助于人們進(jìn)一步理解大腦的信號處理機制?；谶@種網(wǎng)絡(luò)模型，McDonnell等人[17]以信號量噪比為測度研究了具有加性噪聲的多元輸出閾值系統(tǒng)中的SSR現(xiàn)象，Cheng等人[18]則分
復(fù)雜系統(tǒng)與復(fù)雜性科學(xué) 2018年2期2019-01-03
- 加性與廣義加性模型回歸分析
1-2]1.1 加性模型將多重線性回歸模型進(jìn)行推廣，使其表達(dá)式成為下面的式(1)形式：Y=s0+s1(X1)+s2(X2)+…+sp(Xp)+ε(1)在式(1)中，sj(Xj),j=1,2,…,p,是P個“光滑函數(shù)”；誤差“ε”滿足如下條件：它的期望為0[E(ε)=0]、方差為σ2[Var(ε)=σ2]。為了使式(1)成為可以估計的，要求光滑函數(shù)si(Xi)必須滿足如下的標(biāo)準(zhǔn)化條件：即期望為0，E[sj(Xj)]=0。式(1)中的P個光滑函數(shù)不以參數(shù)形式呈
四川精神衛(wèi)生 2018年4期2018-09-11
- 多類型復(fù)發(fā)事件數(shù)據(jù)下一類半?yún)?shù)轉(zhuǎn)移模型
文獻(xiàn)主要研究的是加性比率模型[6-10]和乘性比率模型[11-12]。下面簡單介紹復(fù)發(fā)事件下幾個重要的半?yún)?shù)模型。對于乘性比率模型Lin等提出了復(fù)發(fā)事件的半?yún)?shù)乘性比率模型[2]：(1)其中，β0是p維未知回歸參數(shù)向量，λ0(·)為未知基本比率函數(shù)。對于加性比率模型，Schaubel等研究了復(fù)發(fā)事件的半?yún)?shù)可加比率模型[7]：(2)Liu提出復(fù)發(fā)事件數(shù)據(jù)下可加轉(zhuǎn)移模型[13]：(3)其中，μ0(·)為未知基線均值率函數(shù)，β0是p維未知回歸參數(shù)向量，Q(t,
統(tǒng)計與信息論壇 2018年4期2018-04-18
- Z2Z4-加性負(fù)循環(huán)碼的對偶
33)Z2Z4-加性負(fù)循環(huán)碼的對偶胡萬寶, 吳晶伶, 李萌(安慶師范大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院,安徽 安慶 246133)在Z2Z4-加性碼的基礎(chǔ)上研究其循環(huán)碼,進(jìn)一步地引入其負(fù)循環(huán)碼.通過建立Z2Z4下的正交關(guān)系,得出其對偶仍是一個Z2Z4負(fù)循環(huán)碼;通過在Z2Z4碼與Z4[x]-子模之間建立同構(gòu)映射來刻畫其負(fù)循環(huán)碼的結(jié)構(gòu)以及碼的參數(shù)類型,并用構(gòu)造性的方法推出了其對偶的最小生成集.這些結(jié)果,便于碼元等參數(shù)的計算及其應(yīng)用.Z2Z4-加性碼;Z2Z4-加性負(fù)循環(huán)碼
- Allan方差在互感器精度評測中的應(yīng)用研究
與一次輸入無關(guān)的加性噪聲。本文在互感器精度評測中引入Allan方差分析法，充分發(fā)揮Allan方差在隨機誤差辨識方面的性能，實現(xiàn)了互感器乘性噪聲和加性噪聲的分離，數(shù)據(jù)仿真結(jié)果證明了方法的有效性。互感器；乘性噪聲；加性噪聲；比差；Allan方差互感器在傳變一次信號、信號傳輸、數(shù)據(jù)處理的過程中，不可避免的會引入噪聲干擾。其中，加性噪聲包含可建模補償?shù)牧阄灰约皼]有固定模型的隨機噪聲，隨機噪聲表現(xiàn)為測量值圍繞真實值的上下波動，其圍繞真實值的波動的范圍與一次輸入信號無
電氣技術(shù) 2017年7期2017-10-14
- 基于貝葉斯準(zhǔn)則的隨機共振算法研究
情況下對應(yīng)的最優(yōu)加性噪聲，并對其進(jìn)行線性凸組合以獲得模型所需的最優(yōu)加性噪聲，進(jìn)一步分析并證明了該模型能夠成立的充分條件。再次，獲得先驗概率已知和未知兩種情況下最小化貝葉斯代價時所對應(yīng)的加性噪聲，且當(dāng)先驗知識發(fā)生改變時，該算法只需調(diào)整加性噪聲中一個可變參數(shù)即可獲得相應(yīng)的最優(yōu)貝葉斯代價。最后，結(jié)合具體的檢測問題，通過仿真驗證了所提算法的有效性。信號處理；貝葉斯準(zhǔn)則；噪聲增強模型；加性噪聲；假設(shè)檢驗1 引言噪聲無處不在，理解和掌握噪聲的分布和性能是一個非常重要的
電子與信息學(xué)報 2017年2期2017-10-13
- Association analysis revealed importance of dominance effects on days to silk of maize nested association mapping(NAM)population
位全模型和多位點加性模型，分析了玉米巢式關(guān)聯(lián)定位群體抽絲期的遺傳效應(yīng)。全模型關(guān)聯(lián)分析揭示，玉米抽絲期受微效多基因的加性、顯性、上位性及其環(huán)境互作控制，其中顯性效應(yīng)最為重要。在估算的總遺傳率（79.86%）中，與顯性效應(yīng)相關(guān)的遺傳率高達(dá)50.52%，其次是環(huán)境互作效應(yīng)的遺傳率（27.31%）。檢測到的極顯著（－log10PEW＞5）數(shù)量性狀單核苷酸多態(tài)性位點數(shù)為全模型50個、加性模型47個（遺傳率=31.65%）?；陉P(guān)聯(lián)分析玉米抽絲期的結(jié)果，預(yù)測了最優(yōu)自交
- 有限域上的雙循環(huán)碼
提出了Z2Z4-加性碼的概念，并對該加性碼的結(jié)構(gòu)與性質(zhì)進(jìn)行了初步的研究[1]．此后，該類加性碼在工程領(lǐng)域中得到了應(yīng)用，從而激起了廣大編碼學(xué)者的研究興趣，涌現(xiàn)出了一些很好的結(jié)果[2-3]．2014年，Abualrub等研究了Z2Z4-加性循環(huán)碼的代數(shù)結(jié)構(gòu)[2]．2014年，Borges等將Z2Z4-加性循環(huán)碼中后半部分的取值換成Z2，即Z2-雙循環(huán)碼[4]并給出了Z2-雙循環(huán)碼及其對偶碼的代數(shù)結(jié)構(gòu)．本文在文獻(xiàn)[4]的基礎(chǔ)上對一般有限域Fq上雙循環(huán)碼的代數(shù)結(jié)構(gòu)
山東理工大學(xué)學(xué)報（自然科學(xué)版） 2017年3期2017-03-09
- 關(guān)聯(lián)的乘性和加性驅(qū)動的三穩(wěn)系統(tǒng)穩(wěn)態(tài)分析
2)關(guān)聯(lián)的乘性和加性驅(qū)動的三穩(wěn)系統(tǒng)穩(wěn)態(tài)分析張 卜,寧麗娟(陜西師范大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院,陜西 西安 710062)運用劉維方程和諾維科夫定理, 研究乘性和加性高斯白噪聲共同激勵下一維三穩(wěn)系統(tǒng)的穩(wěn)態(tài)概率密度函數(shù).結(jié)果表明，關(guān)聯(lián)強度λ和乘性噪聲強度P均能誘導(dǎo)相變的產(chǎn)生，而加性噪聲強度Q不能誘導(dǎo)相變的產(chǎn)生.通過數(shù)值模擬穩(wěn)態(tài)概率密度函數(shù)驗證了所得結(jié)論的準(zhǔn)確性.三穩(wěn)系統(tǒng); 噪聲; 相變; 穩(wěn)態(tài)概率密度函數(shù)0 引 言噪聲廣泛存在于自然界的各個領(lǐng)域,包括生物、 物理
紡織高?；A(chǔ)科學(xué)學(xué)報 2016年4期2017-01-17
- 考慮背景風(fēng)險的項目投資決策
影響。首先討論了加性背景風(fēng)險和乘性背景風(fēng)險單獨存在時，背景風(fēng)險與項目風(fēng)險之間的相關(guān)性對投資決策的影響；其次構(gòu)建了兩種背景風(fēng)險同時存在情形下的投資模型，進(jìn)而通過蒙特卡羅仿真方法給出不同相關(guān)程度下的仿真結(jié)果，在此基礎(chǔ)上分析兩種背景風(fēng)險與項目風(fēng)險之間的相關(guān)性及相關(guān)程度對投資決策的影響并給出相關(guān)研究結(jié)論。背景風(fēng)險；加性背景風(fēng)險；乘性背景風(fēng)險；項目投資決策1 引言項目投資過程中會面臨各種各樣的風(fēng)險[1-2]，有些是項目本身帶來的風(fēng)險，即項目風(fēng)險，有些是其他外生不確定
中國管理科學(xué) 2016年9期2016-12-28
- 甘藍(lán)型油菜千粒重的遺傳效應(yīng)分析
交設(shè)計試驗，利用加性(A)—顯性(D)模型分析千粒重遺傳效應(yīng)，結(jié)果表明：甘藍(lán)型油菜千粒重性狀同時受到基因的加性效應(yīng)和顯性效應(yīng)共同作用，以加性遺傳效應(yīng)為主，可將加性遺傳效應(yīng)高的親本作為改良的理想親本。在雜交組合測配中要盡量選擇加性遺傳效應(yīng)高的親本和顯性遺傳效應(yīng)高且具有顯著性差異的組合。甘藍(lán)型油菜；千粒重；遺傳效應(yīng)甘藍(lán)型油菜在我國種植的歷史雖然較短，但卻是我國目前重要的油料作物，油菜雜種優(yōu)勢的利用使我國油菜生產(chǎn)從常規(guī)種轉(zhuǎn)變到了雜交種，實現(xiàn)了油菜產(chǎn)量的跨越式發(fā)展
作物研究 2016年5期2016-12-20
- 基于相容性的區(qū)間直覺模糊信息的逆判問題
等［4］對不確定加性語言偏好信息判斷矩陣的相容性及其在群組決策中的應(yīng)用進(jìn)行了研究。在此基礎(chǔ)上，徐澤水［5］又針對基于直覺模糊偏好信息判斷矩陣以及區(qū)間直覺模糊偏好信息判斷矩陣的相容性進(jìn)行研究，并給出了基于滿意相容性調(diào)整其判斷矩陣一致性的方法。Jiang等［6］對直覺乘性偏好信息的相容性問題進(jìn)行了研究，并給出2個一致性調(diào)整的優(yōu)化模型。在眾多的群決策問題中，如何有效解決專家之間意見的一致性與沖突性，將個人意見綜合為可反映專家群體的一致性意見，以及從一致性的角度分
系統(tǒng)管理學(xué)報 2016年6期2016-08-18
- 加性乘性噪聲改善多元信號檢測
210003)加性乘性噪聲改善多元信號檢測王友國1,2，潘 慧2，劉 健2(1.江蘇省物聯(lián)網(wǎng)技術(shù)與應(yīng)用協(xié)同創(chuàng)新中心，江蘇 南京 210003；2.南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)基于最大后驗概率準(zhǔn)則，以錯誤檢測概率為測度，研究了加性噪聲和乘性噪聲共同作用下信號檢測的問題。在乘性噪聲強度不變的情況下，當(dāng)信號是閾上時，錯誤檢測概率隨著加性高斯噪聲強度的增加而單調(diào)增加，噪聲總是干擾信號檢測；當(dāng)信號是閾下時，錯誤檢測概率隨著加性高斯噪
計算機技術(shù)與發(fā)展 2016年10期2016-02-27
- 非高斯噪聲激勵下雙穩(wěn)系統(tǒng)的平均首次穿越時間
高斯噪聲強度D和加性噪聲強度Q的增加有利于粒子的逃逸；自相關(guān)時間τ0的增加會阻礙粒子的逃逸；當(dāng)非高斯噪聲強度D較小時，非高斯噪聲參數(shù)p值增大會阻礙粒子的逃逸，當(dāng)D增加到一定值時，p值的增大就會利于粒子的逃逸.雙穩(wěn)系統(tǒng)；非高斯噪聲；定態(tài)概率密度；平均首次穿越時間噪聲根據(jù)統(tǒng)計性質(zhì)通常分為高斯噪聲和非高斯噪聲兩類.一般高斯噪聲便于運算處理，而非高斯噪聲[1]屬于非馬爾科夫過程不容易處理，所以研究非高斯噪聲的文章較少.近20年，人們對雙穩(wěn)系統(tǒng)的研究有很多，靳艷飛等
西安文理學(xué)院學(xué)報（自然科學(xué)版） 2016年5期2016-02-10
- 非高斯噪聲驅(qū)動下捕食——食餌模型的平均首次穿越時間研究
捕食-食餌模型在加性噪聲與乘性噪聲之間為白關(guān)聯(lián)情形下的平均首次穿越問題.2 捕食-食餌模型中的平均首次穿越時間考慮有如下方程所描述的由非高斯噪聲影響下的捕食-食餌模型：U(x)為系統(tǒng)確定性勢函數(shù)，當(dāng) θ若取 θ=0.1,β=2.8,則 x+=6,x-=0,x0=3.在(1)式中，η(t)為高斯白噪聲，ξ(t)為非高斯噪聲并滿足如下方程：并且這里ε(t)為高斯白噪聲，η(t)和ε(t)之間滿足的統(tǒng)計性質(zhì)為：其中D和α分別表示乘性和加性白噪聲強度.λ為ε(t)
赤峰學(xué)院學(xué)報·自然科學(xué)版 2015年19期2015-12-29
- 新的遞推有界GM 回歸估計算法
基本類［10］：加性異常點（第一型的異常點）與革新異常點（第二型的異常點）.革新異常點在系統(tǒng)運行過程中遵循了真實系統(tǒng)的關(guān)系，因此，就系統(tǒng)的辨識而言，其不利影響較小.然而，當(dāng)數(shù)據(jù)中包含較大量的加性異常點型杠桿點時，這些算法的估計性能會嚴(yán)重下降，甚至失效.針對廣義極大似然類（GM）估計器中存在的問題，本文提出新的遞推有界GM 回歸估計算法.1 問題描述考慮模型yi＝xiβ＋vi，i＝1，2，…，n.其中：β＝［b1，b2，…，bp］T；yi是第i時刻響應(yīng)變量觀
華僑大學(xué)學(xué)報（自然科學(xué)版） 2015年3期2015-11-19
- 相位噪聲對時差估計的影響分析
得到了相位噪聲與加性噪聲都存在時的CRLB及其相對于加性噪聲環(huán)境下的CRLB退化系數(shù)。仿真結(jié)果驗證了理論分析的結(jié)果。信號處理；到達(dá)時間差(TDOA)；相位噪聲；克拉美羅下限(CRLB)；互相關(guān)法1 引言時差測量廣泛應(yīng)用于雷達(dá)、聲吶、語音增強等信號處理領(lǐng)域。時差測量有很多種方法，如文獻(xiàn)[1-5]等，但這些方法一般都假設(shè)用于時差測量的接收機是理想的接收機，接收機內(nèi)部不會對接收到的信號間的時差關(guān)系產(chǎn)生影響。在高精度時差測量中信號非理想接收是不得不考慮的問題。為了
電子與信息學(xué)報 2014年11期2014-06-02
- 一種基于殘缺語言判斷矩陣的群決策模型
文獻(xiàn)[2]給出的加性語言評估標(biāo)度定義了加性語言判斷矩陣；文獻(xiàn)[3]對加性語言判斷矩陣進(jìn)行了研究，給出了一致性加性語言判斷矩陣；文獻(xiàn)[4]對語言判斷矩陣的決策方法進(jìn)行了系統(tǒng)的研究；文獻(xiàn)[5-7]分別研究了不同粒度語言判斷矩陣形式偏好信息的群決策問題；文獻(xiàn)[8-9]研究了二元語義語言判斷矩陣的決策問題；文獻(xiàn)[10-11]分別研究了基于語言判斷矩陣的群決策方法；文獻(xiàn)[12-15]對語言判斷矩陣的一致性及其決策問題進(jìn)行了深入的研究。但是，在進(jìn)行兩兩比較過程中，可能
計算機工程與應(yīng)用 2013年13期2013-07-20
- 烤煙幾個重要植物學(xué)性狀的遺傳分析
多數(shù)性狀的遺傳以加性效應(yīng)為主，顯性效應(yīng)作用較小[1-6]，只有少數(shù)性狀受顯性效應(yīng)影響較大[4-6]，基本無上位性效應(yīng)[3]。本研究以烤煙品種丸葉和Coker319雜交，獲得雜交組合的P1、P2、F1、B1、B2和F2六個世代，以數(shù)量性狀“主基因＋多基因”混合遺傳模型進(jìn)行分析，對重要植物學(xué)性狀的遺傳率和基因效應(yīng)等參數(shù)進(jìn)行估計，旨在探討烤煙重要植物學(xué)性狀的遺傳模式，為烤煙株型育種提供理論依據(jù)。1 材料與方法1.1 試驗材料本試驗采用來源于國家煙草中期庫的烤煙品
中國煙草科學(xué) 2012年5期2012-07-31