Clustering and Principal Components Analysis of Xinjiang Spring Wheat Cultivars
Notice bibliographique
Résumé
For giving some message to develop new spring wheat variety in Xinjiang,14 traits of 34 varieties were analyzed by principle component,and the varieties had been clustered based on principal components factors score.There were rich variation of main traits,the coefficient variation were in the order of sterile spikelet number spiking rate total stem number kernel-mass per main spike harvested spike number yield kernel number per main spikespikelet number1000-kernel mass spike length basic seedlings spikelet number per spikeplant height growth duration.The yield of 61.76% varieties were more than 5 250 kg/hm2,and Xinchun 20,Xinchun 23,and Xinchun 26 had higher yield.Principle component analysis indicated that the characteristic vector accumulated contribution rate of 7 principal components were 89.34%,followed by spike traits factor,grain formatting factor,plant height factor,population size factor,growth period factor,yield factor,and grain mass factor.According to 7 principal components factors score,34 varieties could be divided into 2 categories.Group Ⅰ was representative varieties group with higher population size and yield,group Ⅱ was representative varieties group with lower population size and yield.Main characters of Xinjiang spring wheat have rich variation,and yield traits have wider range of selection option.Growth period is one of the important traits,and population size is important factor for deciding yield.Xinchun 2,Xinchun 17,Xinchun 19,Xinchun 20,and Ningchun 33 have better comprehensive performance in 14 traits.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».