-
公开(公告)号：CN116825191A
公开(公告)日：2023-09-29
申请号：CN202310749301.3
申请日：2023-06-25
Applicant: 北京林业大学
IPC: G16B20/40 , G06F18/2321 , G06F17/11
Abstract: 本发明提供了一种筛选微生物细菌关键调控QTL的方法，涉及生物信息学分析领域，该方法包括根据微生物细菌样本个体的数量性状的表型数据得到Logistic方程估计参数；根据微生物细菌样本个体的基因型和表型数据、Logistic方程估计参数和功能作图模型框架，定位调控微生物细菌样本个体数量性状生长的显著数量性状位点；根据显著数量性状位点建立不同显著数量性状位点之间的线性相关关系，得到数量性状位点调控关系网络；根据数量性状位点调控关系网络识别解释微生物细菌样本个体数量性状生长过程的关键调控数量性状位点。本发明能够对显著的QTL调控生长的遗传控制以及QTL之间的调控网络关系进行深入分析。
-
公开(公告)号：CN108319984A
公开(公告)日：2018-07-24
申请号：CN201810120969.0
申请日：2018-02-06
Applicant: 北京林业大学
CPC classification number: G06K9/623 , G06K9/6223 , G06K9/6269 , G16B40/00
Abstract: 本发明提供了基于DNA甲基化水平的木本植物叶片性状和光合特性模型的构建方法及预测方法，属于生物分析技术领域。本发明基于随机森林选取体现地理位置差异的重要特征变量，筛选得到7个叶片特征变量，确定最优聚类数目，利用改进的FCM聚类算法得到每组聚类叶片样本；根据变量间相关性和梯度提升树得的酶切组合重要性，获得对每组聚类叶片样本中重要酶切组合；以所述酶切组合的DNA甲基化水平作为回归变量，基于高斯径向基函数构建LS-SVM回归预测模型；输入重要酶切组合的DNA甲基化水平来准确地预测叶形状因子，叶面积和净光合速率。本方法用于预测木本植物表型特征和光合特性，同时筛选优良性状木本植物个体。
-
公开(公告)号：CN119919805A
公开(公告)日：2025-05-02
申请号：CN202411963848.4
申请日：2024-12-30
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于目标检测模型的滑坡检测方法、系统、设备及介质，包括：获取遥感图像；将所述遥感图像输入滑坡检测模型中进行目标检测，得到滑坡检测结果，其中，所述滑坡检测模型是基于传统YOLOv9模型和通道注意力机制构建的。本发明所述技术方案通过引入注意力机制，能够明确建模通道间的相互依赖性，并自适应地重新校准通道特征响应，显著增强了卷积神经网络的特征表达能力；通过深度学习算法的改进，提高了遥感图像分析的精度和效率，对于地质灾害监测、环境评估和城市规划等应用场景具有重要意义。
-
公开(公告)号：CN118133604B
公开(公告)日：2024-09-13
申请号：CN202410144344.3
申请日：2024-02-01
Applicant: 北京林业大学
IPC: G06F30/23 , G06F17/13 , G06F111/10
Abstract: 本发明公开一种应用伸缩函数的数值模拟方法、系统、设备及介质，涉及数值模拟领域；该方法包括：构建待测圆盘基于物理量的数学模型；数学模型是基于robin边界条件的定义域在所述待测圆盘上构建的抛物型方程；采用有限差分方法对数学模型进行分析，得到分析结果；根据分析结果构建矩阵形式的线性方程组，并确定第一分析误差；采用非均匀划分格点伸缩函数结合有限差分方法对数学模型进行误差分析，得到第二分析误差；基于第一分析误差和第二分析误差确定数学模型模拟结果；模拟结果表征数学模型的数值解的收敛趋势；本发明能够高效精确的实现数值模拟。
-
公开(公告)号：CN118133604A
公开(公告)日：2024-06-04
申请号：CN202410144344.3
申请日：2024-02-01
Applicant: 北京林业大学
IPC: G06F30/23 , G06F17/13 , G06F111/10
Abstract: 本发明公开一种应用伸缩函数的数值模拟方法、系统、设备及介质，涉及数值模拟领域；该方法包括：构建待测圆盘基于物理量的数学模型；数学模型是基于robin边界条件的定义域在所述待测圆盘上构建的抛物型方程；采用有限差分方法对数学模型进行分析，得到分析结果；根据分析结果构建矩阵形式的线性方程组，并确定第一分析误差；采用非均匀划分格点伸缩函数结合有限差分方法对数学模型进行误差分析，得到第二分析误差；基于第一分析误差和第二分析误差确定数学模型模拟结果；模拟结果表征数学模型的数值解的收敛趋势；本发明能够高效精确的实现数值模拟。
-
Patent Agency Ranking
公开(公告)号：CN109214591A
公开(公告)日：2019-01-15
申请号：CN201811187160.6
申请日：2018-10-12
Applicant: 北京林业大学
Abstract: 本发明公开了一种木本植物地上生物量预测方法及系统。所述方法首先获取BP神经网络的输入向量(木本植物的茎长、叶片数和根数)和输出向量(木本植物的茎叶鲜重和茎叶干重)；根据所述输入向量和输出向量构建地上生物量预测的BP神经网络模型；然后根据多个训练样本对BP神经网络模型进行循环往复训练，生成训练后的BP神经网络模型，即可直接采用训练后的BP神经网络模型预测木本植物的地上生物量(茎叶鲜重和茎叶干重)。所述训练后的BP神经网络模型选用木本植物表型特征(茎长、叶片数和根数)作为自变量，降低了样本数据获取的复杂度和获取时间，无需耗费大量人力物力；由于表型特征和地上生物量联系紧密，因此预测结果具有很高的准确率。
-
公开(公告)号：CN109214591B
公开(公告)日：2020-07-24
申请号：CN201811187160.6
申请日：2018-10-12
Applicant: 北京林业大学
Abstract: 本发明公开了一种木本植物地上生物量预测方法及系统。所述方法首先获取BP神经网络的输入向量(木本植物的茎长、叶片数和根数)和输出向量(木本植物的茎叶鲜重和茎叶干重)；根据所述输入向量和输出向量构建地上生物量预测的BP神经网络模型；然后根据多个训练样本对BP神经网络模型进行循环往复训练，生成训练后的BP神经网络模型，即可直接采用训练后的BP神经网络模型预测木本植物的地上生物量(茎叶鲜重和茎叶干重)。所述训练后的BP神经网络模型选用木本植物表型特征(茎长、叶片数和根数)作为自变量，降低了样本数据获取的复杂度和获取时间，无需耗费大量人力物力；由于表型特征和地上生物量联系紧密，因此预测结果具有很高的准确率。
-
公开(公告)号：CN108319984B
公开(公告)日：2019-07-02
申请号：CN201810120969.0
申请日：2018-02-06
Applicant: 北京林业大学
Abstract: 本发明提供了基于DNA甲基化水平的木本植物叶片性状和光合特性模型的构建方法及预测方法，属于生物分析技术领域。本发明基于随机森林选取体现地理位置差异的重要特征变量，筛选得到7个叶片特征变量，确定最优聚类数目，利用改进的FCM聚类算法得到每组聚类叶片样本；根据变量间相关性和梯度提升树得的酶切组合重要性，获得对每组聚类叶片样本中重要酶切组合；以所述酶切组合的DNA甲基化水平作为回归变量，基于高斯径向基函数构建LS‑SVM回归预测模型；输入重要酶切组合的DNA甲基化水平来准确地预测叶形状因子，叶面积和净光合速率。本方法用于预测木本植物表型特征和光合特性，同时筛选优良性状木本植物个体。
-
公开(公告)号：CN113345520B
公开(公告)日：2021-12-14
申请号：CN202110629578.3
申请日：2021-06-07
Applicant: 北京林业大学
Abstract: 本发明提供了一种基于Richards方程的树木数量性状的QTL定位框架的方法，属于生物信息学分析技术领域。所述方法利用Richards生长方程拟合树木数量性状的生长曲线，得到数量性状的Richards估计参数，根据性状表型随时间的相关关系获得SAD(1)模型的结构参数；根据生长参数在基因型之间的差异进行功能作图，筛选调控树木数量性状生长的显著QTL；计算显著QTL遗传效应值以及遗传力，建立QTL之间的调控结构网络，识别解释树木数量性状生长过程的关键调控QTL。本发明所述方法具有很强的生物学意义且定位精度高，建立的遗传效应调控网络为遗传结构分析提供了有效方法，使性状生长分析更加全面。
-
公开(公告)号：CN113345520A
公开(公告)日：2021-09-03
申请号：CN202110629578.3
申请日：2021-06-07
Applicant: 北京林业大学
Abstract: 本发明提供了一种基于Richards方程的树木数量性状的QTL定位框架的方法，属于生物信息学分析技术领域。所述方法利用Richards生长方程拟合树木数量性状的生长曲线，得到数量性状的Richards估计参数，根据性状表型随时间的相关关系获得SAD(1)模型的结构参数；根据生长参数在基因型之间的差异进行功能作图，筛选调控树木数量性状生长的显著QTL；计算显著QTL遗传效应值以及遗传力，建立QTL之间的调控结构网络，识别解释树木数量性状生长过程的关键调控QTL。本发明所述方法具有很强的生物学意义且定位精度高，建立的遗传效应调控网络为遗传结构分析提供了有效方法，使性状生长分析更加全面。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.027 seconds)
