【技术实现步骤摘要】
本专利技术属于智能育种，具体涉及一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法及系统。
技术介绍
1、作物表型预测是通过分析作物的遗传信息、环境因素或其他相关数据，来预测其表型特征的过程。传统的对作物农艺性状表型值的测定耗时长且效率低。为提高表型值测定效率，目前常采用基于全基因组方法来实现性状预测。
2、全基因组选择(genomic selection，gs)利用分布在全基因组上的高密度分子标记，如：单核苷酸多态(single nucleotide polymorphism，snp)，计算性状的基因值估计育种值。gs方法可以捕获导致表型变异的全部遗传效应，利用个体的基因型就能得到表型的评估值，从而可以实现对潜在优势品种的早期选择，提高单位时间的遗传增益，保证种群的快速改进。
3、目前，gs已有的算法主要集中在用遗传统计学方法和机器学习方法上。前者包括最佳线性无偏估计(gblup)、贝叶斯回归、最小绝对收缩与选择算子(lasso)等，后者包括支持向量机(svm)、随机森林(rf)、再生核希尔...
【技术保护点】
1.一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：所述的步骤S1中，
3.根据权利要求2所述的一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：所述的步骤S2中，具体步骤为：
4.根据权利要求3所述的一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：所述的步骤S3中，具体步骤为：
5.根据权利要...
【技术特征摘要】
1.一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：所述的步骤s1中，
3.根据权利要求2所述的一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：所述的步骤s2中，具体步骤为：
4.根据权利要求3所述的一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：所述的步骤s3中，具体步骤为：
5.根据权利要求4所述的一种基于特征约简和广义逆技术的自适应融合线性和非线性效应的表型预测方法，其特征在于：所述的步骤s4中，具体步骤为：
6....
【专利技术属性】
技术研发人员：熊慧娟，杨文宇，黄一丹，卓琳，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。