مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,455
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

437
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی روش های گروه بندی ژنوتیپ های کلزا با استفاده از تجزیه تابع تشخیص خطی فیشر

صفحات

 صفحه شروع 529 | صفحه پایان 542

چکیده

 تجزیه تابع تشخیص یکی از روش های تجزیه آماری چند متغیره است که از آن می توان برای آزمون صحت نتایج حاصل از تجزیه خوشه ای استفاده نمود. در این مطالعه, صحت گروه بندی روش های مختلف تجزیه خوشه ای بر پایه روش های مختلف استاندارد کردن داده ها و معیارهای متفاوت فاصله با تجزیه تابع تشخیص مورد ارزیابی قرار گرفتند. هم چنین برای تایید نتایج از T2 هتلینگ, پلات CCC و تجزیه واریانس چند متغیره استفاده گردید. بدین منظور, 8 ژنوتیپ کلزا در قالب طرح بلوک های کامل تصادفی با سه تکرار در موسسه تحقیقات برنج کشور (رشت) در سال 85-1384 کشت شدند و 14 صفت در آنها مورد ارزیابی قرار گرفت. تجزیه واریانس طرح بلوکی اختلاف معنی داری را بین ژنوتیپ ها از نظر کلیه صفات مورد مطالعه نشان داد. مقایسه میانگین بین ژنوتیپ ها نیز نشان داد که ژنوتیپ Hyola401 از نظر عملکرد دانه و بسیاری از صفات بررسی شده برتر از سایر ژنوتیپ ها بود. براورد ضریب تغییرات فنوتیپی و ژنوتیپی نشان داد که اکثر صفات دارای تنوع زیادی در جمعیت می باشند. تجزیه تابع تشخیص نشان داد که معیار فاصله اقلیدسی بهتر از سایر معیارهای فاصله بود و گروه بندی مطلوبی بر اساس آن به دست آمد. هم چنین تمام روش های استاندارد کردن داده ها گروه بندی مشابهی به وجود آوردند و بهتر از استاندارد نکردن داده ها بودند. بر اساس ارزیابی دندروگرام های روش های مختلف تجزیه خوشه ای مشخص شد که روش های متوسط فاصله بین گروه ها (UPGMA), دورترین همسایه ها و حداقل واریانس «وارد» بهتر از سایر روش ها بودند و ژنوتیپ ها را در سه گروه دسته بندی کردند. تجزیه تابع تشخیص خطی فیشر نشان داد که روش های UPGMA و حداقل واریانس «وارد» با انجام صحت گروه بندی در حدود 87.5 درصد, مناسب تر از سایر روش های تجزیه خوشه ای بودند, با این حال تجزیه تشخیص ژنوتیپ ها را در دو گروه قرار داد. آزمون های T2 هتلینگ, پلات CCC و تجزیه واریانس چند متغیره نیز نتایج حاصل از تجزیه تشخیص را مورد تایید قرار دادند. به این ترتیب, به نظر می رسد که استفاده از معیار فاصله اقلیدسی بر اساس داده های استاندارد شده و انجام تجزیه خوشه ای با روش های حداقل واریانس «وارد» و یا UPGMA گروه بندی بهتری از ژنوتیپ ها ارایه دهد, اما توصیه می شود برای تایید نتایج و تعیین گروه های واقعی از تجزیه تابع تشخیص استفاده گردد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    ربیعی، بابک، و رحیمی، مهدی. (1388). ارزیابی روش های گروه بندی ژنوتیپ های کلزا با استفاده از تجزیه تابع تشخیص خطی فیشر. علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، 13(47 (ب))، 529-542. SID. https://sid.ir/paper/459821/fa

    Vancouver: کپی

    ربیعی بابک، رحیمی مهدی. ارزیابی روش های گروه بندی ژنوتیپ های کلزا با استفاده از تجزیه تابع تشخیص خطی فیشر. علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)[Internet]. 1388؛13(47 (ب)):529-542. Available from: https://sid.ir/paper/459821/fa

    IEEE: کپی

    بابک ربیعی، و مهدی رحیمی، “ارزیابی روش های گروه بندی ژنوتیپ های کلزا با استفاده از تجزیه تابع تشخیص خطی فیشر،” علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، vol. 13، no. 47 (ب)، pp. 529–542، 1388، [Online]. Available: https://sid.ir/paper/459821/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button