广西地区文蛤的遗传多样性研究

以随机扩增多态性DNA（RAPD）研究广西的山口、北海、犀牛角、东兴的文蛤种群的遗传多样性。结果表明，在筛选的60个引物中，23个呈阳性反应，其中10个引物可产生105条稳定、清晰的带。山口、北海、犀牛角、东兴的文蛤种群的遗传多样性指数分别为0.1995,0.2039，0.1773,0.1936；多态位点比例分别为86.32%，90.63%,81.05%,88.00%,4个种群间的遗传距离在0.050～0.070之间，相邻种群的遗传差距较小。除犀牛角种群以外，其它3个种群的遗传变异水平较高。     

石鲽同工酶的组织表达和群体遗传变异研究

采用水平淀粉凝胶电泳技术，研究了石鲽（Kareius bicoloratus）同工酶的组织表达和群体遗传变异。结果表明，14种同工酶共记录31个基因座位，各同工酶的表达均有明显的组织差异，基因座位SOD^＊，GDH^＊，G3PDH～2^＊和ADH-2^＊仅在肝脏中表达，SDH-1^＊，MDH-1。和ADH-1。仅在肌肉中表达，LDH—B^＊和LDH—C^＊仅在眼睛中表达，MDH-2^＊，GPI-3^＊和SDH-2^＊在所有检测的组织中均有表达，其余酶的表达则表现出不同程度的组织差异，与各组织完成特有的生化代谢活动有关。选取肌肉和肝脏对中国青岛、威海石鲽2个地理自然群体的遗传结构和遗传分化进行研究。青岛群体和威海群体的多态座位比率分别为29．17％和25．00％，观察杂合度分别为0．028±0．014和0．040±0．019；期望杂合度分别为0．039±0．017和0．052±0．022。结果表明，两群体间的群体分化度和遗传距离分别为0．012和0．0011，表明石鲽群体间的遗传分化较低。与其它鲽形目鱼类相比，石鲽群体的多态座位比率和平均杂合度均处于中间水平。     

海水养殖鱼类细菌性疾病研究概况

本文概述性地介绍了发生在海水养殖中的常见细菌性疾病包括弧菌现、链球菌症、卡诺氏菌症、细菌性肾病、巴斯德氏杀菌症、爱德华氏症、滑走细菌症和杀鲑气单胞菌症等的主要症状、流行情况及病原菌特征，通过遗传育种筛选有抗病力的养殖品种是人们正在努力的方向，目前的研究重点主要在鱼类抗病能力方差分析研究及抗病育种的方法研究，免疫接种是提高养殖鱼类对某一特定性病原菌的最有效的方法，目前已有三十多种菌苗上市，通过使用免疫刺激剂提高鱼类的非特异性免疫力已显示一定的应用前景，虽然抗菌素由于存在抗药菌株和鱼体残留，但它仍是目前对细菌性疾病疾病的常规疗法，而海洋藻类提取物对细菌的抑制作用已被人们所认识，它将会成为一种有潜力的抗菌药物。     

栉孔扇贝(Chlamys farreri)自然群体遗传多样性的RAPD分析

利用RAPD技术对栉孔扇贝(Chlamysfarreri)的四个自然群体(大连、烟台、青岛、韩国)的遗传多样性进行了分析。12个随机引物在四个群体中共检测到123个位点,其中多态位点109个,多态位点比例为88.62%;四个群体中均未检测到各群体特有的扩增带。韩国、烟台、大连、青岛四个群体的遗传多样性指数(Shannon指数)分别为0.2557、0.2557、0.2344和0.2249,以韩国和烟台群体遗传多样性较高,其次为大连群体,青岛群体最低,但它们之间无明显差异。不同群体的遗传多样性指数的平均数Hpop为0.2427,整个栉孔扇贝自然群体的遗传多样性指数Hsp为0.2503。遗传多样性剖分显示,绝大多数(97%)的遗传多样性是由群体内不同个体间的差异造成的,只有很小部分(3%)的遗传多样性与群体间的遗传分化有关。而采用基于单倍型(等位基因)之间的进化距离的AMOVA分析得到的这两个数据则分别为99%和1%,Φ值为0.010,且P=0.05,表明群体间遗传分化明显程度位于临界值。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

基于分区的局域神经网络时空建模方法研究

区域数据表现为两种尺度的空间特性:反映全局特征的空间依赖性和反映局域特征的空间波动性.空间波动性表现为空间数据在局部地区的聚集或高低交错现象.在研究区域数据时空预测性建模时,从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发,提出了一种基于分区的局域神经网络时空非线性建模的思路.分区过程由基于空间邻接关系的K-means聚类算法完成.不同的分区方案通过相关性、波动性、紧凑性等指标进行评价和优选.在确定最优分区方案的基础上,对各子区分别采用两层前馈网络进行建模,模型的输入不仅要考虑本区内单元的作用,而且要考虑相邻子区的边界效应.各神经网络模型的时空预测能力通过平均相均差和动态相似率等指标进行衡量.最后,通过对法国94个县每周流感报告病例的时空建模分析表明,与全局神经网络模型相比,基于分区的局域神经网络模型具有更好的预测能力.     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。