【摘要】在现在的学习,策略为为分子的标记信息为genotypic价值和分离数据基于连续数据的联合由簇构造工厂核心子集被建议。一条混合线性模型途径被用来为消除环境效果预言genotypic价值。混合基因距离被设计解决联合连续、分离的数据由簇构造一个核心子集的困难的问题。四通常使用了基因距离因为连续数据(欧几里德几何学的距离,标准化欧几里德几何学的距离,城市块距离,和Mahalanobis距离)被用来估计混合基因距离的连续数据部分的有效性;三通常使用了基因距离因为分离数据(余弦距离,关联距离,和Jaccard距离)被用来估计混合基因距离的分离数据部分的有效性。有为60个分子的标记的八个量的特点和信
【关键词】
全文来源于知网
Characterization of the soybean GmALMT family gene
Wenting Peng1 Weiwei
2018
10
0
¥:0
收藏
Quantitative trait loci associated with soybean se
Gokhan Hacisalihoglu
2018
22
0
¥:0
收藏
Establishment and evaluation of a peanut associati
Xiurong Zhang Suqing
2018
36
0
¥:0
收藏
Jasmonate signaling makes flowers attractive to po
2018
136
0
¥:0
收藏
Nicotiana attenuata~s capacity to interact wit arb
Ming Wang Julia Wild
2018
187
0
¥:0
收藏