WHKJ 大学本科毕业设计I摘 要高通量测序技术的发展，为作物基因组选择提供了大量 SNP 标记数据，但 SNP 数据通常存在维度高、样本量有限、位点间关系复杂等特点，传统统计方法和常规机器学习模型难以充分提取其中的局部关联特征和远距离依赖关系，从而影响表型预测效果。 针对现有方法难以同时捕捉 SNP 位点局部关联与远距离依赖关系的不足，本文研究了一种融合卷积神经网络与多头注意力机制的作物表型预测方法，即 CNN-MHA。该方法以小麦 SNP 基因型数据作为输入，在数据预处理后，先利用一维卷积神经网络提取相邻 SNP 位点之间的局部关联特征，再通过位...
发表评论取消回复