排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
利用RAPD标记鉴定芥菜(Brasica juncea Cos.)品种(英文) 总被引:2,自引:0,他引:2
从60种10bp随机引物中筛选出7种引物,对8个芥菜变种的16个品种(每个变种有2个品种)进行了随机扩增多态性DNA(RAPD)鉴定,能快速、灵敏、较为简便获得了16个芥菜品种的基因组DNA指纹图谱.结果表明,不同引物在16个品种上都有其特征DNA带,一般只有1条,少数有2条.在同1个变种的2个品种之间存在着丰富的RAPD标记,通过比较2个品种各自独具的RAPD标记,就可明确地将2个品种区分.在所用的7种引物中,没有1种能同时将8对芥菜品种全部区分开,但用2种或2种以上的引物就完全可以将8对芥菜品种全部区分开. 相似文献
2.
只要内功深厚,再平凡的招式也能发挥其无穷的威力,有时甚至可以达到”无招胜有招”的境界,本文结合本人十多年的课堂磨砺,对新课改形势下的教师成功驾驭课堂的必杀技进行粗浅的探讨。 相似文献
3.
1.前言过共晶Al-Si合金采用含磷变质剂细化初晶硅的工艺逐渐增多,冶金参数(温度、时间)对其变质效果有较大影响,本文系统地研究了变质温度、静置时间、浇注温度以及新旧炉料搭配对变质效果的影响,从而确定出最佳工艺参数,以利活塞产品质量的控制. 相似文献
4.
为了充分利用空闲授权无线电频段和增强视觉信息的端到端传输质量,研究了认知无线视觉传感网络机会传输的跨层设计问题。在分析信道随机性和网络模型的基础上,把跨层设计问题表达为一个视觉信息峰值信噪比和网络平均传输时延的权衡优化问题。通过对该问题进行对偶分解和基于随机次梯度的求解方法,提出了一个分布式跨层传输优化算法。该算法不需要预先知道可用授权频段的静态概率分布,而通过节点在每个时隙中进行独立计算和局部信息交换使得上层视觉感知信息的压缩速率与底层链路机会传输自适应匹配,达到权衡优化问题的最优解,因此可以作为认知无线视觉传感网络的实用传输协议。仿真结果表明,该分布式算法能够快速收敛,并能获得与集中式最优化算法相似的性能。 相似文献
5.
针对无线多跳网络承载多媒体服务所面临的可扩展性、能量有效性和服务质量保证的挑战,研究了多个可伸缩编码(scalable video coding,SVC)视频流在无线多跳网络中传输的分布式跨层优化问题.在分析网络资源分配约束和SVC视频内容自适应模型的基础上,把SVC视频的传输问题表达为一个视频质量和网络功率消耗的跨层权衡优化问题.基于对偶问题的可分解性和次梯度求解方法,提出了一个可分布式实现的SVC视频优化传输算法.该分布式算法避免了控制开销的全网传播,通过节点的局部信息交换和独立解决相应子问题,达到底层资源分配和上层SVC视频传输内容选择的最优匹配.仿真结果表明该算法可以快速收敛到最优解,并能实现SVC视频的平均传输质量和网络总功率消耗的最优权衡. 相似文献
6.
针对语音激活检测的鲁棒性问题,提出在非平稳噪声环境下使用基于复高斯混合模型的鲁棒语音激活检测算法.算法中假设纯净语音谱满足复高斯混合模型,先验信噪比利用预先训练好的复高斯混合模型计算得到.复高斯混合模型的引入一方面提高了语音激活检测的性能,另一方面避免了使用基于最小均方误差语音增强的先验信噪比估计过程.实验中使用NOISEX-92噪声库来验证系统在噪声环境下的性能.结果表明,该种算法在非平稳噪声环境下具有良好的检测性能. 相似文献
7.
根据已分离植物抗病基因N(烟草)、RPS2(拟南芥)和L6(亚麻)的保守区域设计简并引物,从抗TuMV甘蓝材料84075第1链cDNA中扩增出1个与植物抗病基因同源的序列,经克隆测序结果表明,该基因片段与许多NBS类抗病基因同源,Southem杂交分析表明甘蓝抗病基因同源序列在基因组中以多基因家族的形式存在. 相似文献
8.
基于引力度扩展的重叠社区发现算法(GDE),主要用于挖掘无权社交网络的重叠社区结构.真实社区更多是具有加权属性的,本文根据 GDE 算法的种子策略思想,并依据加权网络的特征,以网络节点的度与强度来综合确定重叠社区的中心节点,提出基于联合引力度扩展的加权网络重叠社区划分算法(UGDE).算法的实验检测结果表明:该算法对划分加权网络中的重叠社区具有可行性与有效性. 相似文献
9.
采用连续观察法研究翘嘴红鲌(Culter alburnus Basilewsky)人工授精的去膜受精卵的发育.结果显示,翘嘴红鲌胚胎发育可分为受精卵、胚盘形成、卵裂期、囊胚期、原肠期、神经胚期、胚孔封闭期、眼基和眼囊出现期、尾芽至肌肉效应期、心脏原基期至心脏博动期、出膜前期共11个时期.受精卵呈灰黄或青灰色,直径0.8mm左右,吸水后直径可达1.2mm左右,在水温27℃条件下,受精卵历时1560min孵化,积温702℃·h;初孵仔鱼全长2.3mm左右. 相似文献
10.
网络学习中,异常学习行为不易及时被察觉和纠正,可能会导致严重的学习问题.网络异常学习行为具有多样性和不确定性,难以通过规则直接界定.借鉴生物免疫系统识别病原体的原理设计的反向选择算法,能自适应识别未知异常,并具有实时性、动态性、多样性、鲁棒性等特征.借助主成分分析法从网络学习行为日志数据中抽取行为特征,构成多维空间的学习行为向量,通过优化训练集改进了反向选择算法并设计了基于该算法的网络异常学习行为识别方法 .在真实数据集上的实验结果表明:该方法的识别率优于朴素高斯贝叶斯、决策树、支持向量机等常用算法,能够及时对异常学习行为进行早期预警,为干预和改进学习效果提供客观依据.该方法不需要人工干预,能识别未知的异常行为,具有多样性和较高的自适应性. 相似文献