iRIPPER——一种改进的基于规则学习的文本分类算法

基于规则学习的文本分类算法RIPPER具有易理解、易优化、高效率等特点，但是当规则所涉及的特征项很多的时候，上述优点不复存在。基于层次的规则学习算法hRIPPER采用了层次架构对RIPPER进行了改进，但其对特征项的过滤仍然有限。针对RIPPER,hRIPPER在规则学习过程中出现的问题，对规则学习的分类算法进行改进，提出了一种改进的基于规则学习的文本分类算法iRIPPER，在规则学习的同时进一步过滤噪音特征项。实验证明，该方法不但有效地提取了特征项，生成较少的规则，提高了算法的准确率和召回率，而且缩短了生成规则的时间，从而改进了规则学习分类算法的性能。     

新疆7个绵羊品种MHC区段微卫星遗传多样性的分析

为分析新疆北疆地区主要绵羊品种的遗传多样性和系统发生关系,利用SSR Hunter软件寻找5个微卫星标记,采用PCR扩增,1%琼脂糖凝胶电泳,对新疆7个品种绵羊群体遗传多样性进行了检测分析,统计了各群体的等位基因组成、平均有效等位基因数和平均基因纯合率,利用等位基因频率计算出各群体的平均遗传杂合度、多态信息含量和群体间的遗传距离。结果显示新疆7个绵羊群体共发现28个等位基因,实验证明在5个微卫星位点的平均多态信息含量为0.5569~0.7335,平均杂合度为0.6208~0.7437,有效等位基因数为2.7118~4.4203,均属于高度多态性位点。聚类分析和主成分分析结果与其起源、育成历史及地理分布基本一致。这5个位点作为与生产性能相关的遗传标记较为理想。