论文部分内容阅读
以STR基因座D16S539中的总核心重复串数相差较小的l伊11，10-12，11-11和10-13基因型为研究对象，以紫外光谱为判别变量，建立了以人T神经网络（ANN）提取富信息变量为基础的ANN基因分型方法。在优化条件下，埘4个基因型样本进行了聚合酶链式反应扩增，以扩增样本在200310nm范围内的检测光谱进行预处理和偶合的ANNANN网络优化。结果表明，提取富信息变量和基因分型的ANN的最优网络结构分别为391—50-391和50-6-4，该结构下的判别模型的校正相对均方根误差（RMS）和预测RMS