Notice bibliographique
Résumé
The 3D laser scanning technique is nowadays more and more applied in the study of skeleton morphology.Complete 3D model of external geometry can be easily obtained by laser scanning.It contains all the external morphologic information,both size and shape,which is the prerequisite for quantitative study of fossil morphology.The materials in this study include specimens of giant panda,Asian black bear,brown bear,and polar bear.Using 3D laser scanning,the complete 3D models of skulls and mandibles of 28 individuals are built.Nine mandible morphological indexes and 15 skull morphological indexes are selected to build mathematical models.We use J48 algorithm of WEKA to build decision trees for pattern classification.23 landmarks of mandibles and 29 landmarks of skulls are sorted,of which 3D coordinates are used as initial variables to tell the morphological differences of mandibles and craniums of the 28 individuals in the principal component analysis.The result shows that the morphology of giant panda's skull and mandible is signifcantly different from the other three ursid forms; the morphology of brown bear's skull and mandible is in between the black bear and polar bear.The overall cranial morphology of Ailuropoda microta is similar to that of giant panda,but also out of the intraspecific variation,which is another evidence of the durophagous feeding behavior of this Early Pleistocene giant panda.The methods of 3D modeling,decision tree and principal components analysis introduced herein promise future application in morphologic studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».