دانش رسان |
مرکز علم و دانش کشور مقاله دسته‌بندی و پیش‌بینی کلاله سه‌شاخه و چندشاخه زعفران با استفاده از ابزار‌های آماری یادگیری ماشینی بدون‌نظارت
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله دسته‌بندی و پیش‌بینی کلاله سه‌شاخه و چندشاخه زعفران با استفاده از ابزار‌های آماری یادگیری ماشینی بدون‌نظارت دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله دسته‌بندی و پیش‌بینی کلاله سه‌شاخه و چندشاخه زعفران با استفاده از ابزار‌های آماری یادگیری ماشینی بدون‌نظارت کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله دسته‌بندی و پیش‌بینی کلاله سه‌شاخه و چندشاخه زعفران با استفاده از ابزار‌های آماری یادگیری ماشینی بدون‌نظارت،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله دسته‌بندی و پیش‌بینی کلاله سه‌شاخه و چندشاخه زعفران با استفاده از ابزار‌های آماری یادگیری ماشینی بدون‌نظارت :
تعداد صفحات :۱۰
زعفران یک گیاه تریپلوئید و عقیم است که در همه کشورها به‌عنوان یک ادویه و گیاه دارویی مورد استفاده قرار می‌گیرد. کلاله مهم‌ترین قسمت گیاه زعفران می‌باشد. تاکنون هیچ روش مطمئن مولکولی برای شناسایی و پیش‌بینی گونه‌های دارای کلاله سه و چندشاخه ارائه نشده است. در این بررسی بر اساس نشانگر‌های مولکولی چندشکلی توالی مربوط تکثیر یافته و با استفاده از الگوریتم‌های بیوانفورماتیکی مختلف،روش‌های جدیدی برای پیش‌بینی کلاله زعفران ارائه شده است. پنج آلل M131400، M151200، M151100، M10850 و G6500 به‌عنوان مهم‌ترین دسته‌بندی کننده با دقت پیش‌بینی بالا بر اساس مدل‌های Attribute Weighting انتخاب شدند که دارای پتانسیل بالایی برای خوشه‌بندی و تشخیص کلاله سه‌شاخه ازچند‌‌شاخه هستند. دسته‌بندی بدون یادگیری بر اساس الگوریتم‌های K-Means و K-Medoids قادر به خوشه‌بندی صحیح کلاله زعفران هستند. نتایج نشان می‌دهد که برای اولین بار، روش‌های داده‌کاوی می‌توانند شیوه‌ای بسیار مؤثر، با دقت و صحت بالای ۹۰ درصد برای تمایز ژنتیکی کلاله سه‌شاخه از چندشاخه مورد استفاده قرار گیرد. این روش‌ها می‌توانند در مکان‌یابی ژنی و انتخاب به کمک بیومارکرها مورد استفاده قرار گیرند.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
