排序方式: 共有55条查询结果,搜索用时 15 毫秒
1.
随着稳定同位素分析技术的不断成熟,其在生态学领域中的应用也增长迅速,并成为动物摄食生态学的重要研究工具.鲨鱼因其在生物系统进化过程中的独特地位和海洋生态系统中的重要作用已成为海洋食物网研究的重点,然而国内针对鲨鱼摄食习性和洄游行为等方面的研究仍处于起步阶段.本文在总结了国内外鲨鱼稳定同位素分析组织样品选取和样品预处理方法的基础上,系统归纳了稳定同位素技术在鲨鱼摄食生态学,尤其在其摄食和洄游行为研究领域中的应用,着重分析稳定同位素技术在鲨鱼稳定同位素判别值和更新速率、食性分析、营养级评估、洄游路径分析和生态位分布等核心问题上的应用现状和发展前景,以期为国内学者开展鲨鱼类基础生物、生态学研究提供有益参考. 相似文献
2.
小麦穗期麦长管蚜发生程度的预测模型研究 总被引:3,自引:1,他引:3
应用逐步判别分析方法,对山东省金乡县1982—1989年共8年小麦穗期麦长管蚜发生程度的历史观测资料进行了数量分析,建立了判别方程(预测模型)。将历史资料进行回检,符合率为100%,把1990年的观察资料作为独立样本进行试报,结果与实际相吻合。为害虫种群动态的预测预报提供了一种新的研究方法。 相似文献
3.
用多级判别技术预测害虫种群动态 总被引:5,自引:0,他引:5
判别分析有基于Buyes准则和Fisher准则两种类型,它是多元统计分析中的一种方法,常常应用于气象的预测预报工作,在害虫预测预报领域中还很少见到这方面的报道。作者应用四川省营山县1971~1983年的虫情和气候资料[1],根据Buyes准则的多级判别原理,对第二代二化螟Chilosupressalis(Walker)发生量进行了分析,旨在为水稻孕期保护提供依据。1多级判别的基本原理1.1多级判别的基本思想[2]从已经掌握的历史上每个类别附体)的若干组数据(个体)出发,总结出分类的规律性(判别函数或判别方程或判别模型)。这样,对于新的个体,由巴总… 相似文献
4.
采用判别分析预报稻瘿蚊主害代的发生趋势 总被引:2,自引:0,他引:2
稻瘿蚊Oresollacryzae(Wood-Mason)是闽西晚稻的重要害虫之一,其主害代(第4代)的发生趋势,与早稻后期田间标葱率、6月下旬至7月中旬的降雨量、降雨天数息息相关。本文在参考文献[1]的数据基础上,充分利用上述信息,采用多元统计分析中的判别分析方法[2],对武平县晚稻主害代精瘿蚊的发生趋势作出预报。1判别分析法设有六个P维母体民,G1,…,G,分别取n;,n。,…,n”观测值,n-n;+n,+…+n。。其中外一(X\”,X\’,…,X”’)设X’‘’,S’‘’分别为民的样本均值和样本协方差,X为总体样本均值。1.l判别系数向… 相似文献
5.
以长江口降海生殖洄游途中的日本鳗鲡为研究材料, 对繁殖群体银化过程中体色、年龄、全长、体重及银化指标等特征作了分析。结果显示, 依据“体侧黑色素沉积是否蔓延至胸鳍下缘”这一体色标准, 可将日本鳗鲡洄游群体分为银化前期和银化期二个发育期。日本鳗鲡银化过程中, 体型、胸鳍长、眼径、性腺指数呈递增趋势, 消化道指数则呈递减趋势。主成分分析亦表明, 银化期较银化前期的眼径和胸鳍增大, 还具有较高的性腺指数和较低的消化道饱满度。由于日本鳗鲡的产卵场位于3000 km之遥的马里亚纳海沟, 这些形态的修正可能是为了适应即将起始的长距离降海生殖洄游。根据银化指标所建立的判别方程, 对雌、雄群体银化前期和银化期的判别分析均取得了95%以上的成功率。研究认为, 长江口日本鳗鲡银化期的野外快速判别, 亦可采用“眼径指数大于5”作为识别依据。 相似文献
6.
基于支持向量机的蛋白质同源寡聚体分类研究 总被引:14,自引:1,他引:13
基于支持向量机和贝叶斯方法,从蛋白质一级序列出发对蛋白质同源二聚体、同源三聚体、同源四聚体、同源六聚体进行分类研究,结果表明:基于支持向量机, 采用“一对多”和“一对一”策略, 其分类总精度分别为77.36%和93.43%, 分别比基于贝叶斯协方差判别法的分类总精度50.64%提高26.72和42.79个百分点.从而说明支持向量机可用于蛋白质同源寡聚体分类,且是一种非常有效的方法.对于多类蛋白质同源寡聚体分类,基于相同的机器学习方法(如支持向量机),采用“一对一”策略比“一对多”效果好.同时亦表明蛋白质同源寡聚体一级序列包含四级结构信息. 相似文献
7.
Fisher判别分析法在川金丝猴亚种鉴定中的应用 总被引:7,自引:1,他引:6
根据川金丝猴头骨标本的性征指标数据,应用Fisher判别分析方法,对川金丝猴的亚种进行了判别分类. 相似文献
8.
9.
10.
本文应用逐步判别分析方法对疟原虫血涂片细胞进行了分类研究。用169个红细胞(其中正常红细胞为130个,带疟原虫的红细胞为39个)作为训练集,192个红细胞(其中正常红细胞为157个,异常的为35个)作为考试集进行了统计分析,并通过实验调整判别阈值。对考试集的判别:假阴性率为11.4%,假阳性率为7.6%,结果较为理想。 相似文献